지금까지 코로나19의 대표적인 증상으로 손꼽히는 발열을 감지하는 열화상 카메라가 그 몫을 감당하고 있었으나, 무증상 및 비접촉을 통한 확산이 늘어나면서 보다 정확하고 신속한 선별 기술을 요구하는 것이다.

이에 연구팀은 기침 소리를 실시간으로 인식하는 딥러닝 기반 기침 인식 모델을 음향 카메라에 적용하여 기침 소리와 기침하는 사람의 위치를 이미지화할 수 있는 카메라를 개발했다. 

기침 인식 모델에는 시각적 이미지를 분석하는 데 사용되는 인공신경망의 한 종류인 '합성곱 신경망'(Convolutional Neural Network, CNN) 기술이 적용됐다. 1초 길이 음향신호의 특징을 입력 신호로 해 기침은 1, 그 외는 0으로 하는 2진 신호를 출력하도록 학습시키는 것에 성공한 셈이다,

공개 음성데이터 세트인 '오디오 세트'를 사용해 기침 인식 모델의 훈련하고, 다른 데이터 세트를 데이터 증강을 위한 배경 소음으로 사용했다. 실제 현장에서 발생할 수 있는 배경 소음을 15∼75%의 비율로 오디오 세트에 섞은 뒤 다양한 거리에 적응할 수 있도록 음량을 0.25∼1.0배로 조정해 데이터 세트의 성능을 측정한 결과 87.4%의 정확도를 보였다.

이렇게 학습한 기침 인식 모델을 소리를 수집하는 마이크로폰 어레이와 카메라 모듈로 구성된 음향 카메라에 적용하면 기침 소리가 나는 위치에서 등고선과 라벨이 표시된다.

개발에 참여한 박용화 교수는 밀집된 공공장소에서 전염병을 조기 감지할 수 있음에 대한 기대를 내보였다. 개발된 이 기술은 잡음이 심한 환경에서도 기침 소리를 구분해낼 수 있으며, 기침하는 사람의 위치뿐만 아니라 기침 횟수도 파악할 수 있다.

'기침 인식 카메라'를 통해 코로나19의 대표적 증상인 기침에 대한 선별이 가능하다는 점에서 전염병 확산 및 예방에 대한 의료진의 수고로움을 줄일 수 있다는 기대감과 '기침 인식 카메라'의 현장 실효성에 대한 염려 섞인 반응들이 나오고 있다. 

-----

기침소리 잡아내는 '기침 인식 카메라' 개발 완료... 정확성 87% 이상

KAIST·에스엠인스트루먼트, 딥러닝 기반 기침인식모듈 적용한 음향 카메라 개발

밀집된 공공장소에서 전염병을 조기 감지 가능