기존 보안 카메라에 AI 분석을 추가하는 방법

보안 카메라에 AI를 추가하는 방법에 대해 고민하는 조직의 대다수는 이미 세 가지 옵션 중 한 곳에 필요한 답을 갖고 있으며, 실수는 소프트웨어가 아니라 물리적 인프라(estate)에서 시작한다는 점입니다. 보유하고 있는 카메라(중요한 거리에서의 해상도, 화각, 저조도 동작 및 스트림 처리 가능 위치)에 따라 세 가지 경로 중 어떤 것을 실제로 사용할 수 있는지가 결정됩니다.

이 가이드에서는 가장 먼저 수행해야 하는 정직한 카메라 감사(audit)를 다룬 다음, 기존 비디오 관리 시스템(VMS) 위에 얹는 분석 레이어 구매, VMS 또는 카메라 자체 업그레이드, 그리고 보유 중인 스트림에 대한 자체 호스팅 감지 모델 실행이라는 세 가지 경로를 설명합니다. 대부분의 독자는 처음 두 가지 중 하나를 선택해야 합니다. 세 번째 방법은 특정 제약 조건 세트에 대한 실제적인 옵션이며, 이 가이드에서는 어떤 경우에 해당하는지 명확히 설명합니다.

소프트웨어가 아닌 인프라부터 시작하십시오#

분석 벤더는 원하는 감지를 지원할 수 없는 카메라에도 기꺼이 연결할 것입니다. 평가하기 전에 감사를 수행하십시오.

• 메가픽셀이 아니라 타겟상의 픽셀 수입니다. 넓은 마당을 커버하는 4K 카메라는 출입구를 커버하는 1080p 카메라보다 40미터 떨어진 사람에게 더 적은 픽셀을 할당할 수 있습니다. 모든 감지에는 최소 픽셀 높이가 필요하며, 이는 개조(retrofit)가 실망으로 이어지는 가장 흔한 이유입니다.
• 화각. 보안용으로 배치된 카메 이는 대개 넓은 영역에 걸쳐 얼굴을 볼 수 있도록 각도가 설정되어 있습니다. 이는 카운팅 및 영역 로직에 있어서는 가장 나쁜 지오메트리에 가까우며, 오버헤드 뷰가 비스듬한 뷰보다 훨씬 뛰어납니다.
• 저조도 및 역광 동작. 황혼, 야간, 그리고 태양이 렌즈를 향하는 시간에 테스트하십시오. 적외선 조명은 이미지 특성을 크게 바꾸며, 주간 영상에서만 평가된 모델은 뜻밖의 결과를 줄 것입니다.
• 프레임 레이트 및 코덱. 압축이 심한 저프레임 레이트 스트림은 모델이 의존하는 디테일을 손실합니다. 카메라가 생성할 수 있는 것과 레코더가 실제로 저장하는 것을 확인하십시오.
• 스트림 액세스. 녹화를 저하시키지 않고 카메라당 두 번째 RTSP 스트림을 얻을 수 있습니까? 많은 카메라가 더 낮은 해상도의 서브스트림을 지원하며, 이는 종종 적절하고 처리 비용이 훨씬 저렴합니다.
• 네트워크 용량 및 토폴로지. 많은 스트림에 대한 지속적인 분석은 중앙 서버로의 대역폭을 소비하거나 카메라 근처의 연산을 필요로 합니다. 이는 소프트웨어 선호도보다 아키텍처를 더 자주 결정합니다.
• 카메라 연식 및 패치 상태. 평면 네트워크에서 기본 자격 증명을 사용하는 카메라는 분석 기회가 되기 전에 보안 문제입니다.

이 감지의 결과는 대개 분할됩니다. 일부 카메라는 영역 및 존재 감지에 적합하고, 상세한 분류에 적당한 카메라는 더 적으며, 경로에 관계없이 재배치나 교체가 필요한 카메라는 소수입니다.

세 가지 경로#

경로 1: 기존 VMS를 통한 분석 레이어#

이것이 기본 권장 사항입니다. 이 제품들은 카메라 인프라를 교체하지 않고 감지 기능을 추가하기 위해 특별히 존재하며, 표준 보안 유스 케이스의 경우 직접 구축하는 어떤 것보다 빠르고 저렴합니다.

BriefCam. 온프레미스로 배포할 수 있으며 녹화된 영상 전반의 빠른 검토 및 검색에 가장 강한 비디오 콘텐츠 분석 레이어입니다. 기록된 비디오에서 이벤트를 찾는 것이 주요 워크로드인 조사 중심 환경에 가장 적합합니다. 트레이드오프: VMS 위에 위치하여 하나를 교체하기보다는 컴포넌트를 추가합니다.

IronYun / Vaidio. 광범위한 보안 감지 카탈로그를 갖추고 기존 카메라 및 VMS 플랫폼에 감지 기능을 제공하도록 설계된 AI 분석 레이어입니다. 녹화 인프라를 건드리지 않고 더 많은 분석을 원하는 조직에 가장 적합합니다. 트레이드오프: 테스트하고 유지보수해야 하는 통합 체인의 또 다른 벤더입니다.

Lumana. 그린필드 설치를 가정하기보다는 개조 경로 자체에 주목하여 기존 카메라 인프라에 AI를 추가하는 데 중점을 둡니다. 명시적인 요구 사항이 현재 카메라를 유지하는 것인 팀에 가장 적합합니다. 트레이드오프: 기존 VMS 벤더에 비해 신규 진입자입니다.

Volt.ai. 마찬가지로 기존 감시 인프라 위에 AI를 계층화하는 데 초점을 맞추고 있으며, 통합 가이드를 제공 제품의 눈에 띄는 부분으로 포함합니다. 혼합된 카메라 하드웨어 전반에 걸쳐 개조하는 조직에 가장 적합합니다. 트레이드오프: 모든 오버레이와 마찬가지로 결과의 품질은 여전히 기본 카메라에 따라 달라집니다.

네 가지 모두에서 얻을 수 있는 것: 표준 감지(사람 및 차량 존재, line crossing, 영역 침입, 배회, 방치된 객체, 군중 밀도, 녹화된 영상 전반의 속성 기반 검색) 및 지원과 정확성에 책임을 지는 주체. 얻을 수 없는 것: 카탈로그에 없는 감지.

범위 관련 참고 사항. 이러한 제품 중 몇몇은 영상 전반의 속성 검색을 마케팅하며, 의류 색상과 같은 설명적 속성을 일치시키는 것을 의미하는지 아니면 신원을 일치시키는 것을 의미하는지에 따라 벤더 간에 상당한 차이가 있습니다. 이는 법적 노출이 실질적으로 다른 완전히 다른 기능이므로, 어떤 기능을 구매하고 있으며 실제로 무엇을 원하는지 확립하는 것이 중요합니다. 신원이 아닌 속성 및 이벤트 감지로 범위를 제한하는 것은 더 간단한 규정 준수 대화이자 대부분의 보안 워크로드에 충분합니다.

경로 2: VMS 또는 카메라 업그레이드#

때로는 정직한 대답이 분석이 아니라 인프라가 제약 사항이라는 점일 수 있습니다. 카메라가 오래되었고, 잘못 배치되었으며, 패치할 수 없고 낮은 프레임 레이트로 녹화되는 경우, 그 위에 AI를 얹는 것은 실망만을 사게 됩니다.

Genetec Security Center. 강력한 사이버 보안 및 프라이버시 툴링을 갖추고 온프레미스로 배포할 수 있는 통합 비디오, 액세스 제어 및 ALPR입니다. 통합된 물리적 보안이 필요한 대기업 및 공공 부문 인프라에 가장 적합합니다. 트레이드오프: 상응하는 전문 지식이 필요한 상당한 규모의 플랫폼입니다.

Milestone XProtect. 대규모 타사 통합 생태계를 갖춘 개방형 플랫폼 VMS로, 녹화 레이어와 독립적으로 분석을 선택할 수 있습니다. 해당 선택을 열어두고 싶은 조직에 가장 적합합니다. 트레이드오프: 누군가 통합 어셈블리를 소유해야 합니다.

Avigilon Unity. 내장 분석 및 긴밀한 카메라-소프트웨어 통합을 갖춘 온프레미스 비디오 보안입니다. 단일 벤더로부터 일관된 스택을 원하는 팀에 가장 적합합니다. 트레이드오프: 자체 카메라를 채택할 때 가장 강력합니다.

Verkada. 배포 및 관리의 용이성을 강력하게 강조하는 내장 분석 기능의 클라우드 관리형 카메라입니다. 현장 IT가 제한된 분산형 다중 사이트 조직에 가장 적합합니다. 트레이드오프: 일부 데이터 거주 요건에서 제외하는 클라우드 관리형 아키텍처입니다.

Rhombus. 분석이 포함된 유사한 클라우드 관리형 방식으로, 간단한 다중 사이트 롤아웃을 목표로 합니다. 빠른 배포를 원하는 중견 시장 조직에 가장 적합합니다. 트레이드오프: 위와 같이 영상이 로컬에 유지되어야 하는 경우 클라우드 모델이 제약이 됩니다.

Eagle Eye Networks. 개방형 API 접근 방식과 분석 옵션을 갖춘 클라우드 비디오 관리입니다. 통합 유연성을 유지하면서 클라우드 관리를 원하는 조직에 가장 적합합니다. 트레이드오프: 클라우드 중심 아키텍처.

Axis Camera Station. Axis 카메라와 카메라 내장 분석 기능을 갖춘 간단한 온프레미스 비디오 관리로, 유례없이 상세한 하드웨어 출처 문서화를 제공합니다. 중규모 Axis 배포에 가장 적합합니다. 트레이드오프: 엔터프라이즈 플랫폼보다 매우 큰 다중 사이트 인프라에는 덜 적합합니다.

데이터 거주, 에어갭 또는 조달 제한 요구 사항이 작용하는 경우, 다른 어떤 것보다 먼저 이 목록을 좁히게 됩니다. 이러한 결정을 유도하는 규정 준수 프레임워크는 보안 규정 준수를 위한 온프레미스 비디오 분석 가이드에서 더 자세히 다룹니다.

경로 3: 기존 스트림에 자체 호스팅 모델 적용#

이는 소수 경로이며, 특정 조건 하에서 올바른 경로입니다:

• 감지가 어떤 카탈로그에도 없습니다. 특정 장비, 시설 고유의 조건, 프로세스 상태, 라인상의 제품. 일반적인 보안 분석은 새로운 클래스로 구성할 수 없습니다. - 추론 경계가 절대적입니다. 저장소뿐만이 아닙니다. 벤더의 클라우드 계층을 포함하여 분석을 위해 어떤 이미지도 네트워크를 벗어날 수 없습니다. - 제품을 배송하고 있습니다. 분석이 판매하는 제품의 기능인 경우, 채널별 라이선싱은 비용 모델에 맞지 않으며 사용자는 빌더입니다. - 채널별 라이선싱은 스트림 수에 따라 확장되지 않으며, 대안을 운영할 엔지니어링 역량이 있습니다. - 모델 수명 주기를 제어해야 합니다. 벤더의 릴리스를 기다리는 대신 사이트가 변경됨에 따라 자체 영상으로 재학습합니다.

이 중 해당하는 사항이 없다면 경로 1을 선택하십시오.

아키텍처#

VMS를 유지하십시오. 녹화, 보존, 액세스 제어 및 감사 로깅은 해결되었으며 규정 준수와 관련이 있습니다. 거기서 스트림을 소비하고 교체하지 마십시오.

RTSP 스트림을 자체 추론 서비스로 풀링하십시오. 해상도가 허용하는 경우 카메라 서브스트림을 선호하십시오. 디코딩 비용이 훨씬 적게 들며, 추론이 아닌 디코딩이 빈번하게 실제 병목 현상입니다.

감지 및 추적을 실행하십시오. Ultralytics YOLO 모델(YOLOv8, YOLO11 및 YOLO26)은 관련 작업을 다룹니다. 사람, 차량 및 객체에 대한 감지, 라인 교차 및 영역 로직에 대한 추적, 자세 및 낙상 감지를 위한 포즈 추정, 박스보다 경계가 더 중요한 경우의 세그멘테이션. 배포 중인 하드웨어에 맞춰 ONNX 또는 TensorRT로 내보내십시오.

자체 영상으로 학습하십시오. 일반 모델은 사람과 차량을 잘 처리합니다. 사용자의 특정 카메라, 화각, 날씨 및 조명이 프로덕션 정확도를 결정하며, 공개 데이터셋은 이를 대변하지 않습니다. Ultralytics 플랫폼은 SAM 기반 Smart Annotation을 사용하여 사이트 영상을 주석 처리하고 동일한 워크플로에서 학습할 수 있으며, 이는 주석 및 학습 도구를 함께 꿰매야 하는 대안이 있을 때 중요합니다.

이벤트를 보안 워크로드에 다시 기록하십시오. 감지 결과는 운영자가 이미 주시하고 있는 VMS 또는 경보 관리 시스템에 속해야 합니다. 별도의 대시보드는 아무도 열지 않는 별도의 대상이 됩니다.

파일럿이 프로덕션이 되기 전에 라이선스를 정하세요. Ultralytics YOLO 모델은 AGPL-3.0에 따라 제공되며, 상업적 또는 소유권 배포에는 일반적으로 개인 배포 및 고급 지원을 다루는 Ultralytics Enterprise 라이선스가 필요합니다. 설계 단계에서 이를 해결하는 것이 롤아웃 이후보다 훨씬 저렴합니다.

컴퓨팅 규모 산정#

많은 스트림에 걸친 지속적인 추론은 용량 계획 작업이며, 두 가지 레버가 지배적입니다.

첫 번째는 프레임 레이트입니다. 대부분의 보안 이벤트에는 모든 프레임이 필요하지 않습니다. 포착해야 하는 가장 짧은 이벤트(라인을 건너는 사람에게는 30fps보다 훨씬 적게 필요함)에서 레이트를 설정하면 용량 요구 사항이 일반적으로 크게 떨어집니다.

두 번째는 추론이 실행되는 위치입니다. 카메라 근처의 에지 장치는 네트워크를 통한 비디오 스트리밍을 방지하고 영상을 로컬에 유지하며, 이는 종종 핵심 목적입니다. 중앙 GPU 서버는 운영 및 관리가 더 단순하지만 대역폭 수요를 집중시킵니다. 혼합 인프라는 원격 사이트에서는 에지 추론을, 네트워크가 좋은 곳에서는 중앙 처리를 공통으로 수행합니다.

자체 스트림과 하드웨어에서 벤치마크를 수행하세요. 큐레이션된 데이터셋에서 측정된 모델 처리량 수치는 디코더-플러스-추론 파이프라인이 카메라에서 달성하는 것을 예측하지 못합니다.

오탐은 모델 내부가 아니라 모델 위에서 해결됩니다#

자체 구축 시스템의 가장 흔한 실패는 형편없는 감지 정확도가 아닙니다. 운영자가 2주 이내에 대응을 중단하는 경보 볼륨입니다.

감지는 이벤트가 아닙니다. 박스를 경보로 변환하는 레이어는 오탐률이 실제로 제어되는 곳입니다:

• 지속성. 카운트되기 전에 여러 프레임에 걸쳐 트랙이 설정되도록 요구합니다. 단일 프레임 감지는 노이즈입니다.
• 실제 세계 용어로 영역 지오메트리. 2D 이미지에 그려진 다각형은 지상의 영역이 아닙니다. 원근 보정이 없으면 위험 구역 외곽에 있는 사람이 그 안에 있는 것처럼 보일 수 있습니다.
• 디바운싱. 임계값에서 서성이는 한 사람이 반복적인 교차 이벤트를 생성해서는 안 됩니다.
• 일정 및 예외. 오후 2시에 통로에 있는 지게차는 정상이지만 오전 2시에는 그렇지 않습니다. 이를 인코딩하면 경보의 상당 부분이 제거됩니다.
• 에스컬레이션 계층. 모든 감지가 경보를 받을 자격이 있는 것은 아닙니다. 라이브 경보, 교대 근무 요약 및 주간 트렌드는 서로 다른 세 가지 정확도 요구 사항을 가진 세 가지 다른 출력입니다.

이 레이어가 모델 통합보다 더 많은 코드가 될 것으로 예상하고, 테스트 세트에 대한 감지 정확도가 아니라 교대 근무당 오탐을 기준으로 시스템을 측정하십시오. 교대 근무당 오탐은 시스템이 3개월 후에도 계속 켜져있을지 여부를 결정합니다.

프라이버시 및 범위#

기존 카메라에 분석 기능을 개조하는 것은 해당 카메라가 수행하는 작업을 변경하며, 이는 대개 원래 설치가 트리거하지 않았던 의무를 유발합니다.

• 목적 제한. 보안을 위해 설치된 카메라는 조용히 생산성 또는 행동 모니터링이 되어서는 안 됩니다. 직장 환경에서 이는 법적 문제이자 신뢰 문제입니다.
• 상속하지 말고 재평가하십시오. 기존 영상에 자동 분석을 추가하는 것은 일반적으로 새로운 데이터 보호 평가를 필요로 하며, EU 전역의 많은 지역에서는 직장 협의회 협의를 필요로 합니다.
• 신원 일치를 제외하십시오. 사람 및 차량 감지, 라인 교차, 영역 침입, 배회, 군중 밀도 및 방치된 객체는 모두 익명 감지에서 작동합니다. Ultralytics는 안면 인식용 모델을 제공하지 않으며, 신원 일치는 그러한 감지 중 어느 것도 향상시키지 않으면서 실질적으로 더 무거운 법적 노출을 수반합니다.
• 보유하는 것을 최소화하십시오. 이벤트와 카운트가 질문에 답하는 경우, 이벤트와 카운트를 유지하십시오.
• 구성 변경뿐만 아니라 시청 및 내보내기 로깅.
• 카메라 네트워크를 세분화하십시오. 개조는 평면 네트워크와 기본 자격 증명을 수정하기 좋은 시기입니다.