본문으로 건너뛰기
피드

검찰, CCTV AI 분석으로 폭행 고의성 보강…증거 신뢰성 논쟁도 시작

ai-ml 약 6분

서울동부지검이 CCTV 영상을 AI로 분석해 피의자의 시선과 얼굴 방향을 확인하고 상해 혐의 기소 근거를 보강한 사례가 나옴. YOLOv8, SixDRepNet 같은 오픈소스 모델이 쓰였고, 수사 효율성 기대와 함께 증거능력·재현성·보안 문제가 쟁점으로 떠오름.

  • 1

    검찰이 기존 포렌식만으로 식별이 어려운 CCTV를 AI 영상 분석으로 보완함

  • 2

    사건은 서울 강동구 골목에서 30대 남성이 50대 여성을 빠르게 들이받아 전치 6주 상해를 입힌 내용임

  • 3

    피의자는 부딪힌 줄 몰랐다고 주장했지만, 검찰은 AI로 시선과 얼굴 방향을 분석해 인지 여부를 확인하려 함

  • 4

    활용 모델은 사람 객체 인식 YOLOv8과 얼굴 방향·각도 분석 SixDRepNet임

  • 5

    AI 분석 결과의 법정 증거 인정 범위, 재현성, 수사자료 유출 통제가 핵심 쟁점임

  • 검찰이 CCTV 영상을 AI로 분석해 피의자의 폭행 고의성을 보강한 사례가 나옴

    • 서울동부지검 형사4부가 길거리에서 이른바 ‘묻지마 폭행’을 저지른 뒤 고의성을 부인한 A씨를 지난달 29일 상해 혐의로 기소한 사건임
    • 동부지검이 AI 분석 기법을 수사에 활용한 건 이번이 두 번째 사례로 알려짐
  • 사건 자체는 꽤 구체적임

    • 지난 1월 13일 오후 6시쯤 서울 강동구의 한 골목길에서 발생함
    • 30대 남성 A씨가 길을 걷던 50대 여성 B씨를 빠른 속도로 들이받아 넘어뜨렸고, 피해자는 전치 6주의 상해를 입음
    • 장소는 지하철역에서 약 300m 떨어진 주거단지 인근 골목, 공용주차장을 사이에 둔 비교적 한적한 곳으로 조사됨
  • 쟁점은 “정말 몰랐나?”였음

    • 경찰은 CCTV 등을 바탕으로 A씨를 검거했지만, A씨는 “갑자기 마음이 급해져 속도를 냈을 뿐, 여성과 부딪힌 줄은 몰랐다”는 취지로 진술함
    • 검찰은 범행 직후 A씨가 넘어진 피해자를 실제로 인지했는지에 집중함
    • 음주 정황이 없고 피해자와 일면식도 확인되지 않아, 검찰은 이상 동기 범죄 가능성에 무게를 둔 것으로 파악됨
  • 여기서 AI 영상 분석이 들어감

    • 사람 객체를 인식하는 YOLOv8로 CCTV 속 인물 움직임을 분석함
    • 얼굴 방향과 각도를 분석하는 SixDRepNet으로 A씨의 시선과 얼굴 방향을 확인한 것으로 알려짐
    • 두 모델 모두 일반인도 무료로 사용할 수 있는 오픈소스 기반 모델임
sequenceDiagram
    participant 수사팀
    participant CCTV영상
    participant 객체탐지모델
    participant 얼굴방향모델
    participant 검찰판단
    수사팀->>CCTV영상: 원본 영상 확보
    CCTV영상->>객체탐지모델: 사람 위치와 움직임 분석
    객체탐지모델->>얼굴방향모델: 피의자 구간 추출
    얼굴방향모델->>검찰판단: 시선·얼굴 방향 결과 제공
    검찰판단->>수사팀: 고의성 보강 정황으로 검토

⚠️주의

> AI 분석 결과가 곧바로 객관적 증거가 되는 건 아님. 법정에서 인정받으려면 분석 과정이 검증 가능하고 재현 가능해야 함.

  • 검찰 내부에서는 AI가 기존 포렌식을 보완할 수 있다고 봄

    • 기존에도 CCTV 확대, 속도 조절 같은 기본 영상 분석 매뉴얼은 있었음
    • AI를 쓰면 사람의 움직임과 시선 방향을 더 입체적으로 분석할 수 있다는 평가가 나옴
    • 담당 검사는 “기존 포렌식으로는 놓칠 수 있는 정황을 AI가 보완적으로 분석하는 방식”이라고 설명함
  • 하지만 논란 포인트도 명확함

    • 생성형 AI나 영상 보정 기술이 원본에 없는 정보를 만들어낼 가능성을 완전히 배제할 수 없다는 지적이 있음
    • 오픈소스 모델을 쓴다면 모델 버전, 입력 영상, 전처리 방식, 파라미터까지 재현 가능해야 법정 다툼에서 버틸 수 있음
    • 사건 영상이 외부 서버로 유출될 가능성도 핵심 보안 리스크임
  • 검찰은 현재 폐쇄망 환경에서 제한적으로 쓴다고 설명함

    • 담당 검사는 인터넷 연결 없이 작동하는 AI 시스템을 제한적으로 활용하고 있다고 강조함
    • 앞으로는 AI 분석 기법의 활용 범위와 검증 절차를 매뉴얼화해야 한다는 목소리가 검찰 내부에서도 나옴
    • 결국 기술 도입보다 더 어려운 건 증거능력, 신뢰성, 보안 기준을 어떻게 만들지임

기술 맥락

  • 이번 사례에서 AI는 판사를 대신하거나 범죄를 자동 판단한 게 아니에요. CCTV에서 사람 위치를 찾고, 얼굴 방향을 추정해 기존 포렌식으로 놓칠 수 있는 정황을 보완하는 역할에 가까워요.

  • YOLOv8이 쓰인 이유는 영상 속 객체를 빠르게 찾는 데 강하기 때문이에요. CCTV 분석에서는 프레임마다 사람이 어디에 있는지 잡아야 다음 단계에서 움직임이나 시선 분석을 할 수 있거든요.

  • SixDRepNet은 얼굴 방향을 추정하는 쪽에 쓰였어요. 이 사건의 쟁점이 “피해자를 봤는가”였기 때문에, 단순히 충돌 장면만 보는 것보다 얼굴이 어느 방향을 향했는지가 중요한 정황이 된 거예요.

  • 다만 법적 증거로 쓰려면 모델 성능표만으로는 부족해요. 같은 원본 영상과 같은 모델 버전, 같은 전처리 조건에서 같은 결과가 나와야 하고, 방어권 행사 과정에서도 검증 가능한 형태여야 하거든요.

  • 폐쇄망 운영이 언급된 것도 그래서 중요해요. 사건 영상은 민감한 개인정보 덩어리라 외부 API나 클라우드로 보내면 수사 효율보다 보안 사고 리스크가 더 커질 수 있어요.

이건 ‘AI가 수사도 한다’는 자극적인 얘기보다, 오픈소스 컴퓨터 비전 모델이 공공 수사 절차에 들어올 때 어떤 검증·보안 기준이 필요한지 보여주는 사례임. 개발자에게도 모델 성능보다 재현 가능성과 폐쇄망 운영이 더 중요해지는 장면이라 볼 만함.

댓글

댓글

댓글을 불러오는 중...

ai-ml

제미나이 도구 호출 능력을 2,600만 파라미터 모델로 증류한 니들 공개

Cactus Compute가 Gemini 3.1의 도구 호출 능력을 2,600만 파라미터짜리 초소형 모델 Needle로 증류해 공개했다. 맥이나 PC에서 로컬 파인튜닝까지 가능하고, 프로덕션 환경에서는 프리필 6,000 토큰/초, 디코드 1,200 토큰/초를 낸다고 주장한다. 개인용 AI 기기에서 함수 호출만 빠르게 처리하는 작은 모델 실험으로 보면 꽤 흥미로운 공개다.

ai-ml

딥시크 V4 인덱서, 6기가바이트 메모리로 백만 토큰까지 밀어붙인 논문

딥시크 V3.2와 V4의 압축 희소 어텐션에서 병목이 되는 인덱서 단계를 스트리밍 방식으로 바꿔, 기존 구현이 6만5536 토큰에서 메모리 부족으로 죽던 문제를 104만8576 토큰까지 확장했다. 핵심은 전체 점수 텐서를 만들지 않고 청크 단위로 top-k를 나눠 계산한 뒤 병합하는 방식이며, 단일 엔비디아 H200에서 피크 메모리 6.21기가바이트를 기록했다. 다만 논문은 인덱서 단계만 다루며, 실제 체크포인트 기반 종단간 성능이나 더 빠른 어텐션 커널을 주장하진 않는다.

ai-ml

챗지피티가 학습에 좋다던 유명 논문, 결국 철회됨

챗지피티가 학생 학습 성과에 큰 도움이 된다고 주장했던 논문이 출판 약 1년 만에 철회됐어. 스프링거 네이처는 분석의 불일치와 결론 신뢰 부족을 이유로 들었고, 문제의 논문은 이미 500회 넘게 인용된 뒤였어.

ai-ml

샘 올트먼, 법정에서 “머스크가 오픈AI 지배권을 자녀에게 넘기려 했다”고 증언

샘 올트먼이 캘리포니아 오클랜드 연방법원 배심원 앞에서 일론 머스크가 오픈AI의 장기 지배권을 원했고, 사망 후엔 자녀에게 넘기는 방안까지 언급했다고 증언했다. 머스크는 오픈AI가 비영리로 출발했는데도 영리화됐다고 소송을 제기했지만, 올트먼은 오히려 머스크가 영리 전환과 테슬라 편입을 밀었다는 취지로 반박했다.

ai-ml

혜전대, AI로 스마트팜 생산·가공·유통 교육 모델 만든다

혜전대가 2026년 교육부·한국연구재단의 AID 전환 중점 전문대학 지원사업에 충남 지역 연합형 사업단으로 선정됐다. 연암대와 역할을 나눠 스마트팜 생산부터 가공·유통까지 전주기를 디지털화하는 교육 모델을 만들겠다는 내용이다.