본 논문은 컴퓨터 비전을 이용한 이상 탐지에 대한 실험 연구를 제시한다. OpenCV와 딥러닝 기술을 결합하여 TensorFlow 기반 합성곱 신경망을 이용, 실시간 얼굴 인식 및 분류를 수행한다. 시스템은 관리자, 침입자, 비인간 개체의 세 가지 클래스를 효과적으로 구분하며, 실시간 성능 최적화를 위해 MobileNetV2 기반 딥러닝 모델을 사용한다. 이미지 증강 및 정규화를 포함한 광범위한 데이터셋 전처리가 모델의 일반화 성능을 향상시킨다. 실험 결과, 관리자 90.20%, 침입자 98.60%, 비인간 개체 75.80%의 분류 정확도를 달성했으며, 평균 30fps의 처리 속도를 유지했다. 전이 학습, 배치 정규화, Adam 최적화를 활용하여 안정적이고 강력한 학습을 달성했으며, 클래스 차별화 전략의 비교 분석을 통해 특징 추출 기법과 훈련 방법론의 영향을 강조한다. 고급 특징 선택과 데이터 증강이 특히 인간과 비인간 장면 구분에서 탐지 성능을 크게 향상시킨다는 것을 보여준다. 본 연구는 실험 연구로서, 고보안 환경을 위한 딥러닝 기반 감시 시스템 최적화 및 실시간 이상 탐지의 정확도와 효율성 향상에 대한 중요한 통찰력을 제공한다.
