여러 카메라.
하나의 공간.
익명화한 신호를 같은 좌표와 동선으로 맞춥니다.
신호
익명화한 신호
좌표
같은 좌표로 정렬
동선
하나의 동선
MTMC는 여러 카메라의 관측을 하나의 공간 좌표계로 통합하는 기술입니다.
Journey Proof
동선은 한 장면이 아니라, 사건이 이어진 기록입니다
카메라마다 흩어진 관측을 같은 좌표에 이으면, 입장부터 이탈까지가 하나의 기록으로 남습니다.
공유 좌표 위의 한 동선
- 고객
- 직원
- 이동 이력
사건 1 / 4 · 10:02 입구 통과
익명 사건 로그
사건을 선택하면 지도의 해당 지점이 강조됩니다.
같은 관찰에서 파생되는 구역 분류
기준선은 전 구역의 중앙값으로 차트에 함께 표시됩니다. 사분면 분류는 각 구역의 방문·체류 좌표에서 파생됩니다.
가상 공간에서 만든 시뮬레이션 예시입니다. 실제 수치와 성과를 의미하지 않습니다.
구역 사분면 매트릭스
방문 수와 방문당 평균 체류를 교차해 전 구역을 네 유형으로 나눕니다. 기준선은 전 구역의 중앙값입니다.
- A저방문 · 고체류방문 96 · 체류 10.1s
- B고방문 · 저체류방문 573 · 체류 1.4s
- C저방문 · 고체류방문 96 · 체류 2.5s
- D고방문 · 고체류방문 430 · 체류 5.1s
- E고방문 · 저체류방문 478 · 체류 1.3s
AI 대비
같은 질문, 다른 대답
공간을 보지 못하는 AI는 일반론에 머뭅니다. 좌표와 동선을 가진 SAAI는 지금 이 매장의 수치로 답합니다.
동일 질문
"어제 저녁, 어느 상품 앞에서 가장 오래 머물렀나요?"
범용 AI에 물으면
SAAI에 물으면
* 두 화면 모두 가상의 매장을 시뮬레이션한 데모 예시입니다.
공간 읽기
신호를 공간의 언어로 읽습니다
그 차이를 만드는 네 가지 역량입니다.
한 영상에서 읽는 신호
- 사람·자세·밀도
- 시선과 진열대 접점
익명화 · 인식 · 공간 · 흐름 · 변화 — 5분류 모델 카탈로그의 축약입니다.
카메라를 하나의 좌표로
- 카메라 사이를 하나의 흐름으로
- 동선·체류·밀도를 한 지도에
장면을 질문으로
- 무슨 일이 일어나는지 설명
- 좌표 밖 맥락까지 읽기
공간 신호를 운영 언어로
- 공간마다 다른 신호를 해석
- 다음 판단의 근거로 연결
얼굴은 지워도, 맥락은 읽습니다
신원은 되돌릴 수 없게 지우고, 장면 이해에 필요한 최소 특징만 남깁니다.
얼굴은 노이즈. 그래도 읽히는 것 — 연령대·시선·발화. 신원은 없습니다.
References
2018년부터 영상 익명화 기술을 다듬어 온 딥핑소스는, 그 위에서 공간 지능을 CES 전시, KDDI와의 협업, NVIDIA 생태계 등에서 소개·검증해 왔습니다. 관련 발표·협업 내역은 참고 자료로 안내해 드립니다.