몰래카메라 범죄방지를 위한 스마트폰 연동 기반의 IR 열카메라 탐지기 개발

Development of IR Thermal Camera Detector based on Smartphone Interlocking for Hidden Camera Crime Prevention

Abstract

몰카범죄의 증가에 발맞추어 은닉형 카메라는 스마트폰의 기술발전 속도에 따라 소형화 및 기술 집적이 고도화되어 성능이 날로 발전하고 있다. 이러한 외적인 네트워킹 컴퓨팅 환경이 고도화 되고, 활동이 많은 현대인의 생활양상이 다양화됨에 따라 일반 안전용 카메라외에 은닉형 카메라에 노출 또한 증가되고 있는 추세이다. 반면 은닉형 카메라를 탐지하고 예방하기 위한 기술은 이러한 은닉형 카메라 기술발전과 속도를 따라가지 못하고 있는 실정이다. 이에 본 연구에서는 일반영상과 열화상 이미지 합성기술을 바탕으로 적외선 열 방식의 탐지기술을 이용하여 은닉카메라의 발열을 감지하고, 주변 온도 차이에 따른 각 파장의 반사율을 분석하여 오탐율도 줄이도록 하였다.

The performance of hidden camera cameras is improving day by day due to miniaturization and advanced technology integration according to the speed of technological development of smartphones. As this external networking computing environment is advanced and diversified, exposure to hidden cameras in addition to general safety cameras is also increasing. On the other hand, the technology for detecting and preventing hidden cameras is not keeping up with the development and speed of these hidden cameras. Therefore, in this study, the heat of the hidden camera was detected using infrared thermal detection technology based on general image and thermal image synthesis technology, and the reflectance of each wavelength according to the difference in ambient temperature was analyzed to reduce the false positive rate.

Ⅰ. 서론

대검찰청의 ‘카메라 등을 이용한 촬영 범죄 현황’에 따르면 2007년 564건이었던 몰카 범죄는 2016년 5, 185건, 2017년 6, 465건, 2018년 5, 925건으로 2018 년도 하락하는 추세를 보였으나 2019년부터 최근까지 약 10배 가량 증가하면서 다시 몰래카메라 범죄가 기승을 부린다. 또한 전체 성폭력 범죄에서 몰카가 차지하는 비율도 나날이 높아지는데, 2007년 전체 성폭력 범죄 중 3.9%에 불과했던 몰카 범죄는 2015년 24.9%를 기록했다. 몰카 범죄의 증가에 발맞추어 은닉형 카메라는 스마트폰의 기술반전속도에 따라 소형화 및 기술집적이 고도화 되어 성능이 날로 발전하고 있다. 또한 유투브등의 SNS 영상 퍼블리싱 플랫폼은 수많은 영상을 소비하게 하여 일종의 관음증을 부채질하는 결과를 만들고 있다. 이러한 외적인 네트워킹 컴퓨팅 환경이 고도화 되고 가정 외에 활동이 많은 현대인의 생활양상에 따라 일반 안전용 카메라외에 은닉형 카메라에 노출 또한 증가일로에 있다. 반면 은닉형 카메라를 탐지하고 예방하기 위한 기술은 이러한 은닉형 카메라 기술발전과 속도를 따라가지 못하고 있다. 시판되고 있는 탐지기술들은 하나의 기술 또는 한두개의 기술을 단순하게 결합하여 제조된 탐지 장치가 대부분이다. 전자파 탐지형 몰카탐지 장치는 생활가전 등에서 발생하는 간섭 전자파로 그 효과가 감소되고 있고 광학영상과 열화상 이미지에 의존하는 기술 또한 탐지율을 높이지 못하고 있다. 우리의 생활환경은 수많은 전파의 홍수에 노출된 상황으로 WiFi 등의 신호를 탐지하는 형태의 은닉카메라 탐지장치도 그 효과를 담보하기 어려운 상황이다. 이에 본 연구에서는 장파 적외선센서를 통해 몰래카메라 동작 시 발생하는 열을 감지하고 주변 온도와의 차이를 분석하여 몰래카메라를 탐지하는 것을 목표로 하고 있다. 즉, 온도에 따라 방사되는 주파수 대역 8~14 ㎛의 장파장 적외선(Long Wave IR) 의측정값으로 부터 온도를 계산한 후 이 값을 이미지로 변환하여 동작 중인 몰래카메라의 존재 여부를 탐지하는 것이다.

Ⅱ. 관련 연구

1. 일반영상 및 열화상 이미지 합성 기술

광학영상과 IR Thermal영상의 합성은 영상을 인식하는 사람에게 빠른 이해와 판단을 제공할 수 있다. IR Thermal영상만으로 파악하기 힘든 전체적인 윤곽을 파악할 수 있어 영상합성이 효과적이다. 본 연구과제에서는 스마트폰의 메모리와 CPU를 적게 사용하면서 효과를 극대화 할 수 있게 블렌딩기법을 적용하였으며, 광학 영상과 열화상의 합성결과를 나타낸 것은 그림 1과 같다^[1].

그림 1. 광학영상 및 열화상의 합성결과

Fig. 1. Combination of optical and thermal images

가. 투명효과 (블렌딩; Blending) 처리

영상합성을 위해 기본적인 중첩영상 및 이미지의 투명도에 대한 정의가 필요하다. 투명도를 나타내기 위해, 색상에 투명도 채널을 추가하여 (r, g, b, α)로 쓰고, α를 알파라고 부르며, 픽셀의 불투명도를 나타낸다. 알파 채널에 8bit가 할당되었다면, 유효범위는 [0, 255]가 되며, 그림 2와 같다.

그림 2. 투명도 정의

Fig. 2. Definition of Transparency

나. 알파채널(Alpah Channel) 처리

이미지가 시각화될 때 색상 공간 채널에 할당 된 값이 픽셀의 모양을 제어한다. 각 픽셀이 8비트 채널로 표시되는 경우 픽셀 값의 범위는 0 ~ 255이다. 여기서 0은 색상이 없고 255는 전체 색상을 나타낸다. RGB와 같은 색 공간의 경우 빨강, 녹색 및 파랑의 3가지 채널이 있다. RGB를 사용하여 픽셀에 색상을 할당하려면 3 채널의 값만 지정하면 된다. 예를 들어, 순수한 붉은 색을 RGB 색 공간을 사용하여 나타내려면 붉은 채널에 가능한 가장 높은 값이 할당되고 다른 두 개의 채널에 가능한 가장 낮은 값이 할당된다. 따라서 빨강, 녹색 및 파랑 채널의 값은 각각 255, 0 및 0이 된다. 색 공간의 각 채널에 대한 값을 지정하는 것 외에도 화면에서 색상이 표시되는 방식을 제어하는 또 다른 요소인 픽셀 투명도를 사용 하여 픽셀의 투명 여부를 제어 할 수 있다.

다. 칼라바(Color Bar) 개발

기존 FLUKE의 단순중첩 방식은 합성영상에서 차량번호 식별, 얼굴 식별 모두 가능하지만, 가시영상의 색상이 열 영상의 색상과 중첩되어 열영상의 온도정보 왜곡이 발생한다(FLUKE의 다중스펙트럼 열화상 처리방식은 기초적인 방법으로 특허에 저촉되지 않아 기존 듀얼센서 열화상 카메라에 이미 적용). 기존 FLIR의 윤곽선 합성방식은 가시영상의 윤곽선을 통해 대상/라벨 식별력을 칼라바를 적용하여 부분적으로 개선하여, 라벨/번호 식별은 가능하게 할 수 있으며, 동작중인 몰래카메라의 탐지를 용이하게 하기 위한 조건에 따른 맞춤형 칼라바를 적용 결과는 그림 3과 같다^[2][3].

그림 3. 조건에 따른 맞춤형 칼라바를 적용 결과

Fig. 3. Infrared images and radiance spectra of the object and the background.

상변화 물질 Ge2Sb2Te5(GST)를 포함하는 열 위장 장치로 GST 위상 변화를 제어하여 달성되는 장치의 방사율을 조정하여 30°C ~ 50°C 범위의 배경 온도에 대해 거의 완벽한 열 위장을 지속적으로 달성할 수 있다, 즉 열 위장은 관찰 각도가 0°에서 60°로 변경될 때 견고한 것으로 나타내고 있다.

라. IR이미지와 일반이미지의 합성

컴퓨터에서 이미지 및 동영상을 저장할 때는 RGB 그대로 저장하는 것보다 YCbCr로 변환해서 저장하는 것이 일반적이다. GB는 특성상 중복되는 값이 많이 들어가며, 이러한 중복을 최소화하기 위해 변환 및 서브 샘플링을 하는 것이다. 디지털 컴포넌트 비디오용 ITU-R BT.601(구 CCIR 601) 표준에서 표준 화질 텔레비전용으로 정의된 Y'CbCr와 해당 RGB와의 관계 식은 식 1과 같다.

\(\begin{aligned} &Y^{\prime}=16+\frac{65.481 \cdot R_{D}^{\prime}}{255}+\frac{128.553 \cdot G_{D}^{\prime}}{255}+\frac{24.966 \cdot B_{D}^{\prime}}{255} \\ &C_{B}=128-\frac{37.797 \cdot R_{D}^{\prime}}{255}-\frac{74.203 \cdot G_{D}^{\prime}}{255}+\frac{112.0 \cdot B_{D}^{\prime}}{255} \\ &C_{R}=128+\frac{112.0 \cdot R_{D}^{\prime}}{255}-\frac{93.786 \cdot G_{D}^{\prime}}{255}-\frac{18.214 \cdot B_{D}^{\prime}}{255} \end{aligned}\)       식 1

결과 신호 Y'는 16~235 (Cb 및 Cr 범위는 16~240) 이고,. 0에서 15까지의 값을 풋룸이라고 하고 236에서 255까지의 값을 헤드룸이라 한다. 디지털 Y'CbCr은 식 (4)에 따라 디지털 R'dG'dB'd(샘플당 8비트, 0은 검정을 나타내고 255는 흰색을 나타내는 전체 범위를 사용함)에서 파생될 수 있다. 본 연구에서 제안한 이미지 합성 절차는 그림 4와 같다.

그림 4. 이미지 합성 순서도

Fig. 4. Image composition flow chart

2. IR Thermal 방식의 탐지 단위 기술

가. 방사율 등 환경 변수 제어 기술

적외선 측정에 영향을 주는 환경 요소는 방사율, Lens 의 Window, 대기 온도 및 배경 온도이다. 방사율은 이론적으로 방사율이 1인 물체를 흑체(Black Body)라 부르며, 일반적으로 물질의 재질이나 표면 상태에 따라 달라지며 1 이하의 값을 갖는다. (나무/플라스틱 : 0.8 ~ 0.95, 철을 포함한 금속 재질은 표면 상태에 따라 다르지만 0.3 이하의 작은 값을 갖는다) Lens 의 Window는 Window의 투과율과 반사율에 따라 열상센서의 측정값에 영향을 주고, 그 외 대기 온도와 대상체의 주변으로부터 방출된 적외선도 대상체에 반사되어 측정값에 영향을 준다 주요 환경 요소가 측정값에 미치는 영향을 분석하여 수치화하는 온도보상모델은 그림 5와 같고, 카메라의 입사 방사선 식은 식 2와 같다.

그림 5. 온도 보상 모델

Fig. 5. Temperature compensation model

\(\begin{aligned} S=&\left.\tau_{\text {win }} \cdot\left(\tau_{\text {atm }} \cdot \mid \varepsilon W\left(T_{\text {scene }}\right)+(1-\varepsilon) W\left(T_{\text {Bkg }}\right)\right]+\left(1-\tau_{\text {atm }}\right) W\left(T_{\text {atm }}\right)\right) \\ &+r_{\text {win }} W\left(T_{\text {reff }}\right)+\left(1-\tau_{\text {win }}-r_{\text {win }}\right) W\left(T_{\text {win }}\right) \end{aligned}\)       식 2

여기서

S : 카운트된 14 비트 디지털 비디오 값

ε: 배경 방사율

τwin : 윈도우 투과율

Twin : 윈도우 온도

Trefl : 윈도우 반사

τatm : 장면과 카메라 사이의 대기의 전송 계수

Tatm : 대기온도

Tbkg : 배경온도

Tscene : 장면온도

W(T) : 복사 물체의 온도의 함수로서 복사 플럭스(계수 단위

대부분의 은닉형 몰래카메라는 동작 시 열원에 의해 발열이 되는데 몰카 탐지용 열화상 카메라를 통하여 발열 부위가 탐지가 된다. 본 연구에서는 은닉된 몰카 탐지의 탐지율을 높일 수 있도록 온도 보정에 함수들을 최소화하여 처리하였다.

나. 열화상 이미지 변환 기술

온도 데이터의 배열을 이미지로 변환하기 위해서 각 픽셀의 온도 데이터를 선형 또는 비선형으로 256 또는 512으로 양자화 한 후 칼라바를 이용하여 RGB 데이터로 변환해야 한다. 양자화을 위한 최대/최소 값을 대 상체의 온도 분포에 따라 동적으로 결정하여 이미지로 변환하여 몰래 카메라 탐지를 위한 최적 이미지를 얻을 수 있도록 한다.

Fig. 6에서 ① ~ ③의 기능은 실화상으로 사진을 촬영할지, 열화상으로 촬영할지, 아니면 실화상과 열화상을 합성한 MSX로 촬영할지를 정하는 기능이다. 개발할 MSX 기술은 실화상 카메라가 촬영한 사물의 윤곽선을 열화상으로 촬영한 이미지 위에 덧대어 윤곽선을 표시한 화상으로 열화상으로 구분하기 힘든 사물의 디테일을 표현할 수 있도록 도와준다.

그림 6. 온도 데이터의 이미지 변환 예

Fig. 6. Image conversion example of temperature data

다. 플럭스의 온도변환

14비트 비디오는 카메라 온도와 무관하게 주어진 온도를 가진 장면이 항상 비디오의 특정 디지털 값에 대응하도록 안정화 되고 정상화된다. 이 신호 S는 flux(W)는 특정 스펙트럼 대역 내의 방사선 유량에 선형이기 때문에 선형이라고 한다. 플럭스 선형 신호는 식 3과 같다.

\(S=W(T)=\frac{R}{\exp \left(B / T_{K}\right)-F}+O\)       식 3

백그라운드 온도에 따른 플럭스 계산식은 식 4와 같다.

\(W(T)=\frac{R}{\exp \left(B / T_{K}\right)-F}+O\)       식 4

여기서

Tk: 계산된 절대온도,

W(T) R, B, F, O 열상센서 특성인자

라. IR 광학기술을 활용한 탐지율 향상

제안 시스템은 현재 사용되고 있는 몰래카메라의 렌즈들을 수집하여 각 파장에 따른 반사율을 분석하여 오탐율을 줄이도록 하였다. 모든 몰래카메라는 CCD 또는 CMOS카메라 렌즈를 탑재하여 유선 또는 무선으로 동작하고 있고, 현재 몰카에 적용되고 있는 카메라는 수백만 화소 이상급의 CCD 및 CMOS 카메라 모듈을 사용 하고 있다. 적외선(IR)은 0.750 -1000μm (750 - 106nm) 의파장 범위로 되어 있지만, 감지 범위의 한계로 인해 적외선은 종종 NIR(0.750 - 3μm), MWIR(3 - 30μm), FIR(30 - 1000μm)으로 그림 7과 같다^[4][5].

그림 7. 전자기 스펙트럼

Fig. 7. Electromagnetic Spectrum

세 가지 소영역으로 분류되며, 이러한 적외선 소재나 기판은 다양한 물리적 특성을 보유합니다. 결과적으로 각각의 장점을 파악하면 모든 적외선 어플리케이션에 맞는 정확한 소재를 선택할 수 있다. 일반 광 및 일반 환경에서는 제대로 된 색상 구현을 위해 CMOS Sensor에 가시광선 파장대만 투과시키기 위해 IR Cut-off filter가 반드시 필요하고, IR LED 적용 탐지 시에는 IR(Infra Red) 파장대를 투과시키기 위해 IR Cut-off filter를 제거해야 한다. 이 두 가지 환경에서 문제없이 사용하기 위해 TDN(True Day & Night) Module을 사용하였다. IR Cut-off filter를 Open 혹은 Close로 제어는 AP의 GPIO를 이용, IR LED 적용 탐지 시에는 TDN Module 의 IR Cut-off filter를 시프트(open) 시킨 후 틀어진 ISP Block에서 영상을 Grayscale로 변환하여 전송하는 방식이다. 그림 8은 IR 광학기술 핵심모듈(IR LED/ TDN Module)을 나타낸 것이다.

그림 8. IR 광학 기술 코어 모듈

Fig. 8. IR optical technology core module

마. SSD 물체인식 플랫폼 개발

SSD(Single Shot Detector) 알고리즘은 입력 사진의 변형 없이 그 한 장만으로 훈련 및 검출을 하는 검출기를 의미한다. SSD는 후보 영역 추출 과정과 재 표본화 (resampling) 과정을 제거한 방식을 이용함으로써 높은 정확성과 빠른 속도를 모두 달성하였다. 하지만 Single-shot learning을 위해서는 한 가지 큰 문제를 해결해야 한다. 단 한 장의 사진만을 가지고 여러 가지 크기의 물체를 검출해야 한다는 것이다. SSD는 이러한 문제를 기본 구조 뒤에 보조 구조를 붙여 얻은 멀티-스케일 특징 맵(Multi-scale feature maps)을 이용하여 해결하였다. 2단계 기반 검출 방식인 Faster R-CNN이 더 높지만, 속도는 1단계 기반 방식인 SSD와 YOLO가 높다것을 보여 준다. 본 연구에서는 스마트폰내에서의 처리속도를 고려하여 Faster RCNN 의 장점과 Yolo의 장점을 모두 포함하여, SSD 성능을 개선하기 위한 프로그램 코드 최적화와 사전 제작 단위모듈 개발에 적용하였으며, SSD의 구조(Architecture)는 그림 9와 같다^[6].

그림 9. SSD 아키텍처

Fig. 9. SSD Architecture

Ⅲ. 구조 설계 및 고찰

1. 시스템 구성

본 연구의 대상 시스템은 첫째, IR LED 빛을 이용하는 탐지하는 기술, 둘째, 광학영상 및 열화상영상을 활용하여 은닉카메라를 탐지하는 기술이다. IR LED로 방사한 적외선 빛이 은닉된 카메라 렌즈부에 반사되어 돌아오는 반사빛을 탐지기 내의 뷰파인더를 통해 확인 하는 방법이다. 육안으로 확인하는 방식이라 카메라를 탐지하고서도 놓칠 가능성이 있다. 따라서 이미지를 센싱하여 APP를 통해 해당 지역의 몰래카메라 탐지 확률을 사용자에게 알려주어 정확성을 높이는 보조방식으로 개발하는 것이다. 은닉카메라의 발열을 감지하여 탐지가 가능한 방법으로 개발제품은 장파 적외선 센서를 통해 몰래카메라 동작 시 발생하는 열을 감지하고 주변 온도와의 차이를 분석하여 몰래카메라를 탐지하는 것을 목표로 한다. 온도에 따라 방사되는 주파수 대역 8.14 μm 의 장파장 적외선(Long Wave IR)의 측정값으로부터 후온도를 계산한 후 이 값을 이미지로 변환하여 동작 중인 몰래카메라의 존재 여부를 탐지 가능하며 열영상을 이용한 몰래카메라 탐지 시스템의 구조는 그림 10과 같다.

그림 10. 열영상을 이용한 몰래카메라 탐지 시스템의 구조

Fig. 10. Construction of a hidden camera detector system using thermal imaging

2. H/W 구성 및 구조 설계

AP(Application processor)를 적용한 최적화 구조의 몰카 탐지용 H/W 장치 구조 설계는 그림 11과 같다.

그림 11. 몰카 탐지용 H/W 장치 구조 설계

Fig. 11. H/W Device Structure Design for Hidden Camera Detection

은닉 카메라를 제대로 탐지할 수 있도록 광학적 이미지를 전기적 신호로 변환하는 반도체 소자의 화소 ARRAY에 축적된 전자의 수에 비례하여 전압신호를 읽어내는 방식에 따라 두 종류 구분하여 CCD와 CMOS의 고해상도 센서를 적용하여 열화상(LWIR) 신호처리 모듈의 Data 전송 기능을 개선하였다. IRLED MODULE은 850nm 적외선 LED로 구성되며, 적외선 LED 조사 시에 몰카의 LENS 부분의 반사되는 부분을 찾기 위해 구성되었으며, LWIR MODULE (384x288)은 열화상 모듈로 피사체의 온도를 검출용 모듈이다. 또한 TDN (Ture Day & Night) Module은 CMOS SENOSR에 가시광선 파장대만 투과 시키기 위해 IR Cut-off Filter를 사용하였으며, H/W의 주요 모듈 구성을 나타낸 것은 그림 12 와 같다.

그림 12. 하드웨어 구성

Fig. 12. Hardware configuration

또한 IRLED 구동 시 IR Cut-off filter로는 CMOS SENSOR가 영상을 받아들일 수가 없고 이때는 IR Pass filter를 적용해야 한다. 이 두 가지 filter 모두 사용 가능한 것이 TDN Module이다. AP(Applicaion Processor)는 Main 보드의 Main Processor로 실화상 처리, 열화상처리, Memory 제어, TDN 기능, IRLED 기능, WIFI 전송 등등 모든 기능들을 관리한다.

3. S/W 구성 및 구조 설계

Linux Kernel(v3.4.39)단 위에 Updater와 Streamer 기능 부분이 camera device driver 및 각종 device driver 들을 제어하며 입력되는 영상을 RTSP server로 전달하는 역할을 하며 최적화 작업을 한다. HTTP server는 Firmware update 및 기타 설정을 위한 웹 페이지 서버 최적화 작업을 하고, RTSP server는 동영상 streaming을 위한 서버이고, FTP server는 영상 관련 각종 설정 및 데이터 송/수신을 담당한다. 카메라 모듈의 Software 구조도는 그림 13과 같다^[7].

그림 13. 하드웨어 블록 구성 설계

Fig. 13. Hardware block configuration design

4. 결과

본 연구 결과, 열화상 카메라는 사람의 눈으로는 식별할 수 없는 적외선을 열로 검출해 영상을 만든다. 사물에서 방사되는 열 에너지를 적외선 파장의 형태로 검출 해열의 강도에 따라 저항이 변하는 성질을 갖는 물질을 이용해서 온도를 각각 다른 계조나 색상으로 표현한 것으로 화상 카메라는 빛을 검출하는 Visible Sensor와 달리 열을 검출하기 때문에 주변온도나 주위 환경에 대해 민감하게 반응하며 같은 온도를 측정하고 있어도 데이터값이 시간에 따라 변화함을 알 수 있었고, 20℃의 물체를 LWIR Detector로 측정한 시간에 따른 데이터 값이다. 시간이 지남에 따라 값이 줄어드는 것을 볼 수 있다. 또한 본 카메라에는 Mechanical Shutter가 적용되어 신뢰성을 향상 시켰으며, 그림 14와 같다.

그림 14. 시간에 따른 온도데이터 변화

Fig. 14. Temperature data changes over time

LWIR Detector는 모든 픽셀이 편차가 있어 불균일하다. 즉, 같은 온도를 측정하고 있어도 모든 픽셀마다 데이터 값이 상이하게 출력된다. 이를 보정하는 것을 NUC(Non-Uniformnity Correction)라 하는데, 이 NUC를 구현하기 위해서는 원하는 타임에 셔터를 제어해야 하고 , 이를 보정하기 위한 픽셀 보정 테이블 값을 가지고 있어야 위 이미지와 같이 제대로 된 영상을 구현할 수 있도록 제어 프로그램을 최적화한 결과는 표 1과 같다.

표 1. 평가시험보고서

Table. 1. evaluation test report

이를 통해 열화상 방식의 은닉카메라 탐지율, 오탐율, 탐지거리등을 개선하였다.

Ⅳ. 결론

몰래(은닉된)카메라는 생활공간에 부착 또는 놓여있는 여러 기기와 소품 등에 은닉하도록 소형화되어 있어 육안으로 식별하기에는 어려움이 있다. 본 연구는 몰래(은닉된)카메라의 발열을 감지하여 탐지가 가능한 방법으로 장파 적외선 센서를 통해 몰래카메라 동작 시 발생하는 열을 감지하고 주변 온도와의 차이를 분석하여 온도에 따라 방사되는 주파수 대역 8.14 μm 의 장파장 적외선 (Long Wave IR)의 측정값으로부터 온도를 계산한 후 이 값을 이미지로 변환하여 동작 중인 몰래카메라의 존재 여부를 탐지하는 것으로 몰래카메라 탐지율을 90%, 오탐율 2%까지 향상 시켰다. 그러나, 시판되는 IR Thermal 기반의 카메라는 제품형태 및 옵션에 따라 다양한 탐지기가 존재하며 IR Thermal detector 소자 및 해상도, 온도정밀도에 따라 가격이 천차만별이다. 따라서 제품의 종류에 따라 이미지의 데이터셋 생성 자동화 기술 및 표준화는 지속적으로 개발되어져야 할 것이다.