한 줄 요약 번호판 글자가 영상 속에서 몇 화소로 찍혔는지가 판독 가능성을 결정합니다.
같은 장면이 여러 장 있으면 합성으로 정보를 모을 수 있지만, 없는 정보를 만들어 낼 수는 없습니다.
생성형 AI 화질개선은 그럴듯한 '가짜 번호'를 만들 수 있어 증거로 쓰기 위험합니다.
주차장에서 차를 긁고 간 차량이 CCTV에 찍혔습니다. 차는 분명히 보이는데, 번호판은 하얀 얼룩입니다. 드라마에서처럼 "확대해서 선명하게" 하면 번호가 나오지 않을까요?
결론부터 말하면, 될 때도 있고 안 될 때도 있습니다. 그리고 안 되는 영상에서 억지로 번호를 뽑아내면 엉뚱한 사람을 지목할 수 있습니다. 어디까지가 가능한지 직접 시험해 봤습니다.
화질개선은 두 종류입니다
- 복원: 영상 안에 이미 있는 정보를 보기 좋게 정리합니다. 밝기·대비 조정, 흔들림 보정, 잡음 줄이기, 여러 장 합성이 여기에 속합니다.
- 생성: 학습한 자료를 바탕으로 '그럴듯한' 화소를 새로 채워 넣습니다. 요즘 흔한 AI 업스케일이 여기에 속합니다.
감정에 쓸 수 있는 것은 복원뿐입니다. 생성은 결과가 아무리 또렷해도, 그 글자가 원래 영상에서 왔다는 보장이 없습니다.
출발점은 '글자가 몇 화소인가'입니다
화면을 크게 키워도 화소 수는 늘지 않습니다. 네모가 커질 뿐입니다. 그래서 감정은 번호판 글자가 영상 속에서 몇 화소 높이로 찍혔는지부터 잽니다.
이 시험 조건에서는 글자 높이가 12화소 이상이면 읽혔지만, 6화소 아래로 내려가자 한 장만으로는 비슷한 숫자(3과 8, 6과 8)를 가르기 어려웠습니다. 조명·압축·각도가 달라지면 이 경계도 달라지므로 일반 기준으로 쓰지 않습니다.
한 장으로 안 되면: 여러 장을 합성합니다
영상은 1초에 수십 장입니다. 차가 조금씩 움직이면 같은 번호판이 장마다 미세하게 다른 위치에 찍힙니다. 이 어긋남을 정확히 맞춰 겹치면, 한 장에는 없던 정보를 모을 수 있습니다.
다만 합성에도 조건이 있습니다.
- 장면이 서로 달라야 합니다. 같은 장면을 반복 저장한 영상은 몇 장을 겹쳐도 정보가 늘지 않습니다.
- 장마다 위치를 정확히 맞춰야 합니다. 어긋난 채 겹치면 오히려 흐려집니다.
- 정보가 너무 적으면 소용없습니다. 이 시험에서 글자 높이가 4~5화소일 때는 48장을 합성해도 읽을 수 없었습니다.
AI 화질개선이 위험한 이유
같은 흐릿한 번호판을 생성형 AI에 넣고 "선명하게 복원해 달라"고 요청했습니다. 결과는 387가 5142였습니다. 실제 번호는 38가 5162입니다. 없던 숫자가 하나 생기고, 6은 4로 바뀌었습니다.
더 큰 문제는 결과가 너무 또렷하다는 점입니다. 흐릿한 원본보다 AI 결과를 더 믿게 되기 쉽습니다. 상대방이 AI로 '복원'한 번호판 사진을 제출했다면, 원본 영상과 처리 과정을 확인해야 합니다.
감정서에는 글자별로 적습니다
번호 전체를 한 줄로 단정하지 않고, 자리마다 확인된 것과 남은 후보를 나눠 적습니다.
| 자리 | 판독 결과 (예시) |
|---|---|
| 앞 두 자리 | 3, 8 확인 |
| 한글 | '가' 또는 '거' (후보 2개) |
| 뒤 네 자리 | 5, 1 확인 / 6 또는 8 / 2 확인 |
후보가 남으면 차종, 색상, 지나간 시각 같은 다른 단서와 함께 좁혀 갑니다. 처리 순서와 설정도 모두 적어, 다른 감정인이 같은 원본으로 같은 결과를 다시 얻을 수 있게 합니다.
의뢰 전에 준비하면 좋은 것
- 원본 영상 파일 (모니터 화면을 휴대폰으로 찍은 영상은 화소가 다시 깎입니다)
- 해당 장면 앞뒤로 넉넉한 구간 (합성에 쓸 장면)
- 같은 카메라의 다른 시간대 영상 (조명·화질 확인용)
- 이미 알고 있는 차종·색상 정보
번호판이 몇 화소로 찍혔는지, 합성이 가능한 영상인지는 사전 검토에서 먼저 알려드립니다.
참고: SWGDE, 「Image Processing Guidelines」(15-M-002, 2016) · SWGDE, 「Best Practices for Image Content Analysis」(16-I-001) v1.2(2024)