시작하기
3부

카메라와 AI

카메라 추가

카메라는 처음 필요한 자리인 카메라 조건 안에서 추가합니다. 연결 방식은 세 가지입니다.

카메라 소스입력 항목
CSI/USB컨트롤러에 직접 연결된 카메라 중에서 선택합니다. 라즈베리파이 카메라 모듈과 USB 웹캠이 해당됩니다.
ONVIF네트워크를 검색하여 카메라를 선택합니다. 검색되지 않으면 IP 주소를 직접 입력합니다.
RTSP스트림 주소와, 카메라가 요구하는 경우 아이디와 비밀번호를 입력합니다. rtsp:// 는 생략할 수 있습니다.
알아두기 IP 카메라는 컨트롤러와 같은 네트워크에 있어야 합니다. 사용자의 위치는 관계없으며, 앱을 통한 모니터링은 어디서나 가능합니다.
카메라 설정: 관심 영역과 검지 영역의 차이

카메라 설정은 카메라 화면의 톱니 아이콘으로 엽니다. 정지 상태에서만 열 수 있으며, 실행 중에는 같은 자리에 전체화면 버튼이 표시됩니다.

카메라 이름카메라를 가리키는 모든 곳에서 사용됩니다. 설치 장소를 기준으로 지정합니다.
카메라 소스연결 방식과 주소.
화면 회전90·180·270도 회전, 좌우·상하 반전과 그 조합. 카메라가 기울여 설치된 경우에 사용합니다.
관심 영역 (ROI)화면 위에 이름을 붙여 지정하는 구역. 사각형 또는 다각형으로 그립니다.

관심 영역은 AI 에 입력되는 화면을 분석 전에 잘라냅니다. 분석 속도가 빨라지고, 대상이 작을 때 정확도가 크게 향상됩니다. 검지 영역은 감지된 결과를 필터링하여 영역 안에 들어온 것만 집계합니다.

장비의 특정 부분만 분류기에 입력하려면 관심 영역을, 출입구를 지나는 대상만 집계하려면 검지 영역을 사용합니다.

분석 선택

분석은 카메라 한 대를 감시하는 AI 모델 하나입니다. 분석은 규칙이 아니라 카메라에 속하므로, 여러 규칙이 같은 분석을 공유해도 연산은 한 번만 수행됩니다.

분석제공 정보사전 준비
객체 검지화면에 있는 일상 사물 80종과 위치.없음
얼굴 인식등록된 인물인지, 미등록 얼굴인지.얼굴 등록
번호판 인식번호와 등록 목록 포함 여부.번호판 등록
화재 감지불꽃 또는 연기의 감지 여부.없음
QR / 바코드코드에 기록된 내용.없음
OCR (문자 인식)화면에서 인식한 문자. 11개 언어를 지원합니다.없음
커스텀 분류직접 정의한 클래스 중 해당하는 것.학습
커스텀 이상 감지정상 상태에서 벗어난 정도.학습

여덟 가지 분석 중 학습이 필요한 커스텀 분류·커스텀 이상 감지를 제외한 여섯 가지는 추가하는 즉시 동작합니다. 사전 준비가 필요하다는 것은 동작하지 않는다는 뜻이 아니라 대상을 특정할 수 없다는 뜻입니다. 얼굴 인식은 등록 전에도 얼굴을 감지하며 모두 모르는 얼굴로 판정하고, 번호판 인식도 번호를 판독하되 모두 미등록으로 처리합니다. 누구인지, 어느 차량인지 구분하려면 등록이 필요합니다.

커스텀 분류커스텀 이상 감지는 다릅니다. 학습 전에는 판정할 기준이 없으므로 판정 자체가 불가능합니다. 표본을 먼저 수집해야 하는 분석은 이 둘이며, 등록이 필요한 얼굴·번호판까지 포함하면 학습이 필요한 분석은 네 가지입니다.

알아두기 얼굴 인식 분석은 분석마다 별도의 인물 목록을 갖습니다. 카메라 두 대가 등록된 얼굴을 공유하지 않습니다. 한 출입구에 등록한 인물이 다른 곳에 노출되지 않는 대신, 카메라마다 별도로 등록해야 합니다.

얼굴, 번호판, 커스텀 분류 학습

네 가지 분석은 감지 대상을 등록하거나 학습시켜야 합니다. 이 등록과 학습은 모두 실행 중에도 수행할 수 있습니다.

얼굴

  1. 얼굴 조건 행 또는 분석 설정에서 얼굴 등록을 엽니다.
  2. 이름 추가를 클릭하고 인물 이름을 입력합니다.
  3. 대상이 카메라를 바라보게 한 뒤 등록을 클릭합니다. 각도와 표정을 조금씩 바꾸며 5회 이상 반복합니다. 모든 사진에서 두 눈이 보여야 합니다. 측면 얼굴은 등록되지 않습니다.
얼굴 등록 창
얼굴 등록 창입니다. 이름을 먼저 만들고, 해당 이름을 선택한 상태에서 카메라로 등록합니다.

다른 인물로 인식되는 경우 얼굴 임계값을 올리고 두 인물 모두의 사진을 추가로 등록합니다. 인식 결과로 출입을 허용하는 환경에서는 분석 설정의 위조 방지를 활성화합니다. 사진이나 휴대폰 화면을 이용한 위장을 차단합니다.

번호판

번호판 조건 행에서 번호판 등록을 열고 번호를 입력합니다. 별칭은 선택 항목입니다. 별칭은 표시용 이름이면서 조건의 대상 값으로도 사용할 수 있으므로, 번호를 기억하지 않고 「배송 차량」과 같은 별칭으로 조건을 구성할 수 있습니다. 대량 추가를 사용하면 한 줄에 하나씩, 번호판만 또는 번호판,별칭 형식으로 붙여넣을 수 있습니다.

번호판과 별칭을 등록하는 등록 번호판 창
번호판 등록 창입니다. 번호판과 별칭(선택)을 등록하고, 대량 추가로 목록을 한 번에 붙여넣을 수 있습니다.

분석 설정의 인식 지역을 설치 국가에 맞게 설정합니다. 지역이 맞지 않으면 신뢰도를 조정해도 판독 정확도가 낮습니다.

커스텀 분류

  1. 조건 행 또는 분석 설정에서 학습을 엽니다.
  2. 클래스를 두 개 이상 만들고 이름을 지정합니다. 클래스가 하나면 판정할 대상이 없으므로 둘이 최소입니다.
  3. 클래스를 선택하고, 해당 장면을 구성한 뒤 캡처합니다. 클래스마다 반복합니다.
  4. 학습을 클릭하고 완료를 기다립니다.
분류 학습 창
학습 창입니다. 왼쪽은 선택한 클래스의 캡처 샘플, 오른쪽은 클래스 목록입니다.

마지막 학습 이후에 추가한 샘플은 미학습으로 표시되므로, 현재 모델이 수집한 자료를 반영하고 있는지 확인할 수 있습니다.

커스텀 이상 감지

이상 감지는 정상 상태만 학습하고, 정상에서 벗어난 상태를 보고합니다. 불량 표본을 등록하지 않으므로 아직 발생하지 않은 문제에도 적용할 수 있습니다. 양품 등록을 열고 화면이 정상일 때 등록을 반복한 뒤 학습을 클릭합니다.

학습 후 점수 그래프 해석

학습이 완료되면 정상 점수 분포가 표시됩니다. 왼쪽에서 오른쪽으로 갈수록 불량에 가깝고, 빨간 선 오른쪽은 불량으로 판정되는 구간입니다. 학습은 등록한 양품의 약 20퍼센트를 검증용으로 분리하여 판정선을 결정하므로, 표시되는 장수가 등록 장수보다 적습니다.

정상 점수 분포 그래프
점 하나가 검증에 사용된 양품 한 장입니다. 빨간 선 오른쪽(불량 판정 구간)에 점이 없으면 정상적으로 학습된 것입니다.
분포 형태조치
점이 선 왼쪽에 밀집정상적으로 학습되었습니다. 조치가 필요하지 않습니다.
선을 넘은 점이 있음해당 조건의 정상품이 불량으로 판정될 수 있습니다. 양품을 추가 등록하고 다시 학습합니다.
점이 넓게 분산조명이나 각도가 서로 다른 양품이 섞여 있습니다. 일정한 조건에서 추가 등록합니다.

이상 감지는 카메라 각도, 거리, 조명이 고정되어 있다는 전제로 동작합니다. 검사 스테이션에는 적합하지만, 복도 카메라처럼 환경이 계속 변하는 곳에서는 오탐이 지속적으로 발생합니다.

정확도와 성능 조정

분석은 컨트롤러의 연산 자원을 공유합니다. 자원 배분을 결정하는 설정은 세 가지입니다.

설정기준
분석 모드라즈베리파이에는 빠름, PC 나 Jetson 에는 정확을 권장합니다. 선택 가능한 값은 분석마다 다릅니다. 객체 검지·얼굴 인식·화재 감지는 빠름·균형·정확 셋, 번호판 인식과 커스텀 이상 감지는 빠름·정확 둘이며, QR/바코드·OCR·커스텀 분류는 단일 모델이므로 이 항목이 표시되지 않습니다. 화재 감지는 세 값이 표시되지만 단일 모델로 동작하므로 어느 값을 선택해도 결과가 같습니다.
검지 FPSAI 의 초당 분석 횟수입니다. 기본값은 5이며, 연산량이 많은 이상 감지는 1입니다. 분석 사이의 표시는 보간되므로 값이 낮아도 화면이 끊겨 보이지 않습니다.
GPU 가속객체 검지, 얼굴 인식, OCR 에서 사용할 수 있습니다. 내장 그래픽이나 구형 GPU 에서는 오히려 느려질 수 있으므로 사용 전에 성능을 확인합니다.

신뢰도와 임계값은 미감지와 오탐 사이의 균형을 결정합니다. 없는 대상에 반응하면 올리고, 있는 대상을 놓치면 내립니다.

알아두기 전체 성능이 부족할 때는 분석 모드보다 검지 FPS를 먼저 낮추는 것이 효과적입니다. 정확한 모델을 초당 5회 실행하는 것이 빠른 모델을 초당 30회 실행하는 것보다 대체로 결과가 좋고 비용도 적습니다.
검지 영역: 화면 일부만 집계하기

객체 조건은 기본적으로 화면 전체를 대상으로 합니다. 조건 창에서 검지 영역을 사각형이나 다각형으로 그리면 영역 안에 들어온 것만 집계합니다.

감지된 객체는 상자 형태이므로 「영역 안」의 판정 기준이 필요합니다. 이것이 영역 판정 기준입니다.

기준용도
박스 하단 중앙(접지점)바닥을 딛는 사람과 차량. 영역을 바닥에 그립니다. 기본값이며 대부분의 경우에 적합합니다.
박스 중심천장 카메라이거나 바닥에 닿지 않는 대상.
겹침 비율상자가 영역과 지정한 비율 이상 겹치면 진입으로 판정할 때.

겹침 비율이 100퍼센트이면 상자 전체가 영역 안에 들어와야 합니다. 1~5퍼센트처럼 매우 낮은 값은 뻗은 팔이나 영역에 일부만 걸친 원거리 물체에도 발동하므로 대부분의 경우 적합하지 않습니다.