Published in *Applied Intelligence (SCI)*

2025년 3월 18일, 1저자로 참여한 논문 “Federated learning-based road surveillance system in distributed CCTV environment: Pedestrian fall recognition using spatio-temporal attention networks” 가 Applied Intelligence (SCI, Springer) 저널에 게재되었습니다.

---

본 논문에서는 분산된 도로 CCTV 환경에서 발생하는 보행자 낙상(Pedestrian Fall)을 인식하기 위한 연합학습(Federated Learning) 기반의 도로 감시 시스템을 제안합니다.

기존 연구는 보행자 낙상 감지를 주로 병원, 가정 등 실내 환경에 국한되어 왔으며, 실제 도로 CCTV 환경처럼 비정형적이고 복잡한 장면을 다루는 데는 한계가 있었습니다.

본 연구에서는 이를 해결하기 위해, 다음의 핵심 기술을 도입하였습니다:

• Spatio-Temporal Attention 기반 인식 모델

  시공간적 움직임 패턴을 효과적으로 모델링하여 낙상 상황을 정밀하게 인식

• Graph Attention Network (GAT) + LSTM 기반 구조

  시간적 연속성과 공간적 관계를 동시에 반영

• 연합학습 적용 (FedAvg 기반)

  데이터 프라이버시를 보장하면서 다수의 CCTV 클라이언트에서 공동 학습

• 실제 낙상 데이터셋 평가

  중앙 집중식 학습 대비 경쟁력 있는 성능을 입증

---

이번 논문은 스마트시티 및 지능형 교통 시스템(ITS) 내에서 발생 가능한 보행자 사고 및 도로 위험 행동 감지 기술의 실용화 가능성을 넓힌 데에 큰 의의가 있습니다.

앞으로도 다양한 실제 환경을 반영한 연구를 통해, 도시 안전성과 공공 인프라 지능화에 기여할 수 있는 AI 모델 개발에 매진하겠습니다.

---