“누가 콜록했는지 다 압니다”…‘기침 인식 카메라’ 국내 개발

카이스트, 열화상 카메라 원리 이용
기침 소리 위치와 횟수 실시간 확인
예비 테스트 결과 87% 정확도 보여

코로나19 확산 최소화를 위해선 발열과 함께 기침 증상자를 빨리 간파해 격리, 치료해야 한다. 픽사베이

발열과 기침은 코로나19의 대표적인 증상이다. 감염 확산을 가능한 한 막으려면 이런 증상을 보이는 사람을 빨리 발견해 격리, 치료할 수 있어야 한다. 게다가 코로나19 같은 호흡기 감염병은 공기전파 우려가 커 비접촉 상태에서 이를 확인할 필요가 있다. 현재 많은 공공시설에서 열화상 카메라를 이용해 출입자들의 체온을 모니터링하고 있는 이유가 여기에 있다. 그러나 또 다른 주요 증상인 기침을 추적하는 장치는 개발이 활발하지 못한 편이다.

국내 연구진이 실시간으로 기침 소리와 기침하는 사람의 위치, 기침 횟수를 실시간으로 인식해 이미지로 표시해주는 카메라를 개발했다. 카이스트(한국과학기술원) 기계공학과 박용화 교수 연구진은 에스엠 인스트루먼트(대표 김영기)와 공동으로 열화상 카메라의 원리를 이용해 딥러닝 기반의 기침 인식 카메라를 개발했다고 3일 밝혔다. 연구진은 이 카메라가 사람이 밀집한 공공장소에서 감염병 증상자를 감지하거나 병원에서 환자 상태를 상시 모니터링하는 의료용 장비로 활용될 수 있을 것으로 기대하고 있다.

카이스트 연구진이 개발한 기침 인식 카메라의 모니터링 화면 표시 사례. 카이스트 제공

연구진은 여러 층의 데이터 필터링을 통해 특징을 뽑아내 가장 가까운 값을 도출하는 합성곱 신경망(CNN) 방식을 기반으로 컴퓨터에 지도학습을 시켰다. 훈련과 평가를 위한 데이터로는 구글, 유튜브 등에서 연구용으로 사용하는 공개 음성 데이터 세트 `오디오세트(Audioset)'를 사용했다. 또 기침 인식 모델이 다양한 배경 소음을 학습할 수 있도록 별도의 다른 음성 데이터 세트를 보조로 활용했다. 연구진은 배경 소음을 15~75%의 비율로 `오디오세트'에 섞은 후, 음량을 0.25~1.0배로 조정해가며 컴퓨터를 훈련시켰다.

연구진은 따로 사무실에서 녹음한 시험 데이터를 놓고 기침 인식 모델의 정확도를 측정한 결과, 87.4%의 시험 정확도를 얻을 수 있었다고 밝혔다. 연구진은 이어 기침 인식 알고리즘을 마이크와 카메라로 구성된 음향 카메라에 적용해, 기침 소리가 난 위치에 기침 소리임을 나타내는 등고선과 라벨이 각각 표시되는 것도 확인했다.

왼쪽부터 박용화 교수, 김영기 대표, 이경태·김성후·남현욱 박사과정. 카이스트 제공

연구진은 이번에 개발한 알고리즘을 적용한 기침 인식 카메라의 성능을 시험해본 결과, 여러 잡음이 있는 환경에서도 기침 소리를 구분해 낼 뿐 아니라 기침하는 사람의 위치, 횟수 등도 실시간으로 추적할 수 있는 것으로 나타났다고 밝혔다.

연구진은 앞으로 병원 등 실제 사용 환경에서의 추가 학습이 이뤄진다면 정확도는 더 높아질 것으로 기대했다. 이번 연구는 에너지기술평가원(산업통상자원부)의 지원을 받았다.

곽노필 선임기자 [e-mail]