에지에서 구현되는 인공지능(AI): 비디오 감시에 가져올 기회

Andres Vigren

비디오 보안 감시 분야에서 에지 컴퓨팅의 주요 이점 중 하나는 카메라 자체 내에서 인공지능(AI) 및 딥 러닝을 사용하여 고급 분석을 수행할 수 있다는 것입니다.

먼저, “에지에서”이라는 것이 무슨 의미일까요?

보안 네트워크의 에지(또는 엣지. 가장자리)에 있는 장치의 수는 증가하고 있으며, 이러한 장치들은 우리의 안전 및 보안에 있어 점점 더 중요한 역할을 하고 있습니다. 에지 컴퓨팅은 연결된 장치 자체에 더 많은 기능을 구축한다는 것을 의미하며, 따라서 정보 처리 능력이 가능한 한 소스에 가깝게 배치됩니다.

비디오 감시 네트워크의 경우, 이는 카메라 자체에서 더 많은 작업을 수행할 수 있음을 의미합니다. 비디오 감시에서 인공지능(AI), 머신러닝, 딥러닝의 역할이 커짐에 따라, 우리는 카메라들이 실시간으로 무엇을 촬영하고 분석하는지 훨씬 직관적으로 알 수 있도록 ‘가르칠’ 수 있습니다. 예를 들어, 장면 내에 있는 차량이 자동차인가 버스인가 또는 트럭인가? 건물 옆에 있는 게 사람인가 아니면 동물인가? 저 길 위에 있는 것이 그림자인가 아니면 물건인가?

이러한 통찰력은 데이터를 분석하고 결정을 내리는 데 필요한 인적 입력에 대한 부담을 줄일 수 있습니다. 궁극적으로, 응답 시간을 단축해야 하고(잠재적으로 생명을 구하는 것과 관련이 있음) 건물, 도시 및 교통 시스템의 미래를 설계할 수 있는 귀중한 통찰력을 제공해야 합니다.

어떻게 에지 단의 비디오 감시에 변혁을 가져올 수 있을까요?

현재, 감시 카메라 영상에 대한 에지 분석 애플리케이션의 대부분은 단지 어떤 것 또는 누군가가 움직이고 있다는 것을 보여줍니다. 중앙 집중식 서버에서 비디오 관리 시스템(VMS)을 통해 이러한 분석을 수행한 후에는, 그것이 무엇인지 그리고 그것이 위협 또는 보안 위험을 나타내는지 정확하게 해석하는 데에는 사람의 관여가 필요합니다.

개체가 차량인지, 인간인지, 동물인지, 사실 뭐가 되었든지 이해하기 위해, 우리는 객체를 감지하고 분류하도록 카메라 시스템을 ‘훈련’시킬 수 있습니다. 이것은 우리가 거의 무제한에 가까운 종류의 개체와 컨텍스트를 이해하도록 이끌 수 있습니다.

일반적인 분석 애플리케이션은 차량이 경고를 트리거했음을 알 수 있을 것입니다. 여기에 지능적인 딥 러닝 계층을 더하면, 훨씬 더 상세한 내용을 얻게 될 수 있습니다. 어떤 종류의 차량인지? 잠재적인 문제를 일으킬 수 있는 지역에 있는지, 아니면 갓길에 있어 즉각적인 위험은 없는 상황인지? 버스가 고장이 났고 사람들이 내릴 때 위험에 처할 것 같은지? 같은 것들 말입니다.

에지 분석의 이점

에지 분석의 정확성이 향상되면, 그리고 여러 클래스의 개체를 구분할 수 있는 능력이 향상되면, 잘못된 긍정(false positives)의 비율이 즉시 줄어듭니다. 그에 따라 이러한 잘못된 긍정을 조사하기 위한 시간과 리소스가 감소합니다. 훨씬 더 선제적으로, 에지 분석은 보다 적절하고 시의적절한 대응을 만들 수 있습니다.

예를 들어, 에지에서 AI 분석을 실행하면 고속도로 위의 물체를 식별하고 운전자에게 경고를 보낼 수 있을 것입니다. 그러나 딥 러닝을 통해 인간과 차량을 구별해 내면, 운전자에게 전달되는 경고의 심각도를 정의하는 데 도움이 될 수 있습니다. 만약 카메라가 도로 위에서 누군가가 위험에 처해 있는 것을 본다면, 카메라가 자동으로 신호를 작동시켜 교통 흐름을 늦추고 긴급 구조대에 경보를 보낼 수 있습니다.

시간이 지남에 따라, 분석 애플리케이션 뒤의 개발자들은 단지 트래픽 관리 및 계획뿐만 아니라 야생 동물 행동 및 보존에 관심이 있는 다른 기관들에도 유용할 수 있는 경향들을 볼 수도 있을 것입니다. 보행자, 자전거 이용자, 오토바이 운전자, 상용 차량 등 트래픽의 유형을 구분할 수 있는 것은 토목 공학자들이 미래의 스마트 시티를 계획하는 데 도움이 되는 중요한 동향 통찰력을 제공합니다.

원시 데이터를 실행 가능한 분석 통찰력으로 변환

에지 분석의 또 다른 주요 이점은 분석이 (소스에 최대한 가까운) 고품질 비디오 영상에서 수행된다는 것입니다. 기존 모델(분석이 서버에서 수행되는 경우)에서는 비디오는 전송하기 전에 압축되는 경우가 많으며, 따라서 분석은 품질이 저하된 비디오에 대해 수행됩니다.

또한 분석 기능이 중앙집중적으로 이루어지는 경우(서버에서 분석을 수행), 더 많은 카메라가 솔루션에 추가되면 더 많은 데이터가 전송되고, 분석을 처리하기 위해 더 많은 서버를 추가해야 합니다. 에지에 강력한 분석 기능을 구현하면 가장 관련성이 높은 정보만 네트워크를 통해 전송되므로, 대역폭 및 스토리지에 대한 부담이 줄어듭니다.

 

프리미엄급 성능과 프로세싱을 위한 고정형 박스 카메라에 대해 자세히 알아 보시겠습니까?

AXIS Q1615-LE Mk III Network Camera