인텔리전트 비디오 분석 소개

  • 5분

날마다 비디오카메라는 인기 있는 비즈니스 도메인에서 대량의 데이터를 생성합니다. 이러한 영역에는 병원, 제조, 소매, 스마트 시티 환경이 포함됩니다. 이러한 배포 중 다수는 카메라 센서에서 실시간으로 생성된 데이터에 대해 작동하는 AI를 추가하여 향상될 수 있습니다.

작업 현장에서 건강 권고의 시행 또는 안전 프로토콜 준수를 모니터링하거나, 고객 인구 통계에 맞게 조정하거나, 자동화된 방식으로 교통 이벤트에 대응할 수 있다고 상상해 보세요. 에지에 배포된 사물 인터넷 디바이스에 AI를 적용하는 비디오 기반 솔루션을 사용하여 이러한 시나리오를 수행할 수 있습니다.

이러한 유형의 솔루션을 IVA(인텔리전트 비디오 분석) 애플리케이션이라고 합니다. 이들은 라이브 비디오 프레임에서 작동하는 컴퓨터 비전 알고리즘의 애플리케이션을 통해 실행 가능한 인사이트를 추출합니다. 이 표에서는 세 가지 유형의 컴퓨터 비전 알고리즘에 대해 설명합니다.

컴퓨터 비전 알고리즘 기능
개체 감지 Computer Vision을 활용한 개체 감지의 예를 보여 주는 스크린샷. 개체 감지 모델은 이미지에서 개별 개체를 분류하고 경계 상자를 사용하여 해당 위치를 식별하도록 학습됩니다. 예를 들어 트래픽 모니터링 솔루션은 개체 감지를 사용하여 서로 다른 차량 클래스의 위치를 식별할 수 있습니다.
이미지 분류 Computer Vision을 활용한 이미지 분류의 예를 보여 주는 스크린샷. 이미지 분류에는 콘텐츠에 따라 이미지를 분류하는 기계 학습 모델 교육이 포함됩니다. 예를 들어 트래픽 모니터링 솔루션을 고려합니다. 이미지 분류 모델을 사용하여 택시, 버스, 자전거 타는 사람 등 포함된 차량 유형에 따라 이미지를 분류할 수 있습니다.
개체 추적 Computer Vision을 사용하여 개체 추적의 예를 보여 주는 스크린샷. 개체 감지를 통해 감지된 개체에 개체 추적을 적용할 수 있습니다. 개체에는 IVA 파이프라인에서 연속 유추 전달을 통해 참조할 수 있는 ID가 할당됩니다. 예를 들어 개체 추적을 사용하여 영역에 있는 사람의 고유 인스턴스 수를 계산할 수 있습니다.

이러한 알고리즘을 조합하여 연계 유추라는 기능을 구현함으로써 강력한 평가를 수행할 수 있습니다. 이 기술의 예는 다음과 같습니다.

  1. 개체 감지를 사용하여 프레임에서 차량 및 해당 위치를 식별합니다.
  2. 각 차량에 고유 ID를 할당하는 추적기를 사용하여 해당 지역의 차량 수를 계산합니다.
  3. 이미지 분류 모델을 사용하여 각 차량의 색을 확인합니다.

이러한 방식으로 인사이트를 생성하도록 설정한 후에는 더 많은 서비스를 사용하여 Microsoft Azure 클라우드 서비스로 오프로드함으로써 이 데이터를 사용할 수 있습니다. Azure에서 데이터를 라이브로 처리하거나, 자동화 작업을 트리거하거나, 기록 분석을 위해 보관할 수 있습니다.

NVIDIA DeepStream 및 Azure를 사용하여 인텔리전트 비디오 분석 애플리케이션 개발 지원

NVIDIA DeepStream을 사용하면 에지에 배포하고 클라우드 서비스에 연결할 수 있는 다중 플랫폼 프레임워크를 사용하는 지능형 동영상 분석 애플리케이션을 개발할 수 있습니다. 이 프레임워크를 사용하면 NVIDIA Graph Composer라는 개발 도구를 사용하여 IVA 파이프라인을 시각적으로 정의할 수 있습니다. 이 도구를 사용하면 단일 또는 연계 유추 작업에 직접 피드할 수 있는 파일, 로컬 카메라 또는 네트워크 RTSP 비디오 스트림에서 비디오 원본을 정의할 수 있습니다. 이러한 작업은 추가 처리를 위해 클라우드 서비스로 전달할 수 있는 인사이트를 생성합니다. 에지에서 로컬로 계산이 많은 유추 작업을 수행하면 인사이트 및 원격 분석을 클라우드로 전송하는 데 필요한 데이터의 양을 줄일 수 있습니다.

DeepStream 에지에서 클라우드 아키텍처로의 이동을 보여주는 다이어그램

하드웨어 및 운영 체제 요구 사항

이 모듈을 계속하려면 Ubuntu 18.04를 실행하는 x86/AMD64 기반 머신에 액세스할 수 있어야 합니다. 또한 개발 머신에 다음 그래픽 카드 중 하나가 설치되어 있는지 확인해야 합니다.

DeepStream 6.0과 호환되는 GPU

  • RTX 2080

  • RTX 3080

  • Tesla T4

  • Ampere A100

    참고 항목

    이러한 요구 사항을 충족하기 위해 가상 머신을 사용하려는 경우, 원격 세션을 통해 VM에 연결하면서 NVIDIA Graph Composer를 시작하려고 할 때 이 학습 경로의 뒷부분에서 문제가 발생할 수 있습니다. 모듈을 계속 진행할 수는 있지만 이 문제를 알고 있어야 합니다.

사용 방법

컴퓨터 비전을 사용하여 작업을 자동화하거나 전통적으로 복잡한 프로세스를 간소화할 수 있는 시나리오를 고려합니다. 비디오 피드는 무엇을 확인해야 하나요? 솔루션(개체 감지, 이미지 분류, 개체 추적)을 구현하는 데 사용해야 하는 컴퓨터 비전 알고리즘은 무엇인가요?