AI 영상 분석 시연 중에는 IT 담당자든 매장 점주든 결국 늘 같은 질문이 나옵니다. 영상은 어디로 가나요? 많은 분들이 매장의 인터넷 연결을 통해 먼 곳의 서버로 영상이 끊임없이 전송된다고 생각합니다. 실제로는 첫 설정이 이루어지기 훨씬 전에 내려지는 아키텍처 결정에 모든 것이 달려 있습니다. 바로 매장 내 GPU에서 이루어지는 로컬 영상 분석이며, 기존 카메라의 메인 스트림을 활용합니다.
이미지 품질 자체는 여기서 다시 다루지 않겠습니다. 대신 카메라 렌즈에서 매니저의 화면에 이르기까지 데이터가 이동하는 경로를 따라가 보겠습니다. 무엇이 현장에 남고, 무엇이 외부로 나가는지, 그리고 이 선택이 알림 속도, 매장 네트워크, 데이터 관리에 구체적으로 어떤 변화를 가져오는지 살펴봅니다.
비디오 스트림은 용량이 크고, 대형 매장에는 수십 개가 있습니다
IP 카메라는 일반적으로 최소 두 개의 스트림을 생성합니다. 메인 스트림(mainstream)은 고해상도입니다. 경량화된 보조 스트림(substream)은 주로 모자이크 화면 표시와 원격 조회에 사용됩니다. 주머니에 슬쩍 넣은 상품이나 진열대에서 개봉된 포장처럼 미세한 동작을 포착하려면 중요한 것은 메인 스트림입니다. 보조 스트림에서는 손이 몇 픽셀에 불과합니다. 이 점은 매장에서의 메인 스트림 분석에 관한 기사에서 자세히 다루었습니다.
그러면 문제는 단순한 산수가 됩니다. 카메라 20대 또는 30대의 메인 스트림을 원격 서버로 계속 전송하려면 높은 업로드 대역폭이 항상 필요한데, 많은 매장의 회선은 이를 보장하지 못합니다. 게다가 매장은 이 회선을 이미 결제 단말기, 계산대, 메신저, 때로는 고객용 와이파이와 함께 사용하고 있습니다. 결제 단말기가 쉴 새 없이 돌아가는 여름 세일 토요일에 회선이 포화되는 것을 바라는 사람은 아무도 없습니다.
이 한계는 새로운 것이 아닙니다. ECR Retail Loss 그룹은 유럽과 미국의 유통업체 22곳과의 인터뷰를 바탕으로 2020년에 발표한 유통업의 비디오 기술 활용에 관한 연구에서, 여러 참여자가 대역폭과 연산 능력이 비디오 분석 활용에 미치는 영향을 우려하고 있다고 이미 언급했습니다.
연산을 카메라 가까이에서 수행하는 이유
영상을 이동시키는 대신 연산을 옮깁니다. 이것이 엣지 컴퓨팅의 원리입니다. EuroShop 박람회는 유통업의 엣지 컴퓨팅을 다룬 특집 자료에서 이를 이렇게 요약합니다. 유용한 데이터만 클라우드로 전송되고, 네트워크 부담이 줄어들며, 실시간으로 대응할 수 있습니다. 비디오의 경우 가능한 방식 중 하나는 매장에 설치된 전용 GPU가 카메라 스트림을 읽고 현장에서 모델을 실행하는 것입니다. 운영자 입장에서는 세 곳에서 차이가 나타납니다.
- 지연 시간. 알림은 도착했을 때 해당 rayon에서 상황이 아직 진행 중이어야 의미가 있습니다. 전체 스트림이 데이터 센터를 오갈 필요가 없으므로 제스처에서 알림까지의 과정이 짧아집니다. Oxania에서는 영상 알림이 모바일, 태블릿 또는 컴퓨터로 10초 이내에 도착합니다.
- 해상도. 스트림이 인터넷을 거치지 않으므로 연결에 맞추려고 화질을 낮출 필요가 없습니다. 모델은 고해상도 이미지로 작업하기 때문에 개인 가방과 장바구니를 구분하거나, 계산대를 거치기 전에 상품이 소비되었는지 확인할 수 있습니다.
- 네트워크. GPU 서버는 매장 전용으로 현장에 설치됩니다. 카메라 스트림을 읽고 분석하는 데 인터넷 회선의 대역폭이 소모되지 않습니다. 반면 탐지 확인, 알림 영상 클립 전송, 알림 발송은 이 회선을 통해 이루어지므로 회선은 계속 사용 가능한 상태여야 합니다.
매장에 남는 것과 매장을 떠나는 것
IT 책임자라면 결국 이 질문을 하게 되며, 슬로건만으로는 답이 되지 않습니다. Oxania가 채택한 아키텍처에서 카메라 영상은 서로 뚜렷이 구분되는 세 가지 경로를 따릅니다.
- 현장에 남는 것: 카메라의 고해상도 연속 비디오 스트림입니다. 매장의 GPU가 이를 읽고 분석하며, 이 스트림은 그 이상 나가지 않습니다. 기존 비디오 시스템의 녹화본은 이전과 마찬가지로 운영자의 책임 아래 있습니다.
- 확인을 위해 전송되는 것: 위험 제스처가 감지되면 감지 내용을 담은 간결한 디지털 설명이 확인을 위해 전송됩니다. 이는 영상이 아니며, 용량도 영상과는 비교가 되지 않습니다.
- 전송되어 보관되는 것: 알림과 연결된 영상 클립, 오직 그것뿐입니다. 이 클립은 접근 속도와 현지 규정 준수를 위해 고객의 국가와 가장 가까운 곳에 있는 서버에 저장됩니다.
따라서 선별은 소스에서 이루어집니다. 몇 시간 분량의 영상 중 알림과 관련된 클립만 매장을 떠납니다. 팀원이 확인할 필요가 있는 클립들입니다. 알림에서 보게 되는 것도 바로 이 클립이며, 관심 지점으로 자동 점진 줌이 적용됩니다. 알림을 받은 사람은 한눈에 상황을 파악하고 다음 대응을 결정합니다.
로컬이 외부와 단절을 뜻하지는 않습니다
로컬 추론이 의미하는 바는 분명히 짚고 넘어가야 합니다. 감지는 전용 GPU를 사용해 매장에서 이루어지지만, 매장은 여전히 클라우드와 연결되어 있습니다. 감지 결과를 확인하고, 알림 클립을 전송하고, 팀의 기기로 알림을 보내려면 연결이 필요하기 때문입니다. 달라지는 것은 오가는 데이터입니다. 수십 개의 연속 스트림 대신 몇 개의 메시지와 짧은 클립만 오갑니다. 그렇지 않다고 주장하면서 휴대폰으로 알림을 보내는 공급업체라면 한 번 더 질문해 볼 만합니다.
자주 간과되는 또 다른 점이 있습니다. GPU 서버는 실제로 존재하는 장비라는 것입니다. 설치 공간을 찾고, 전원을 공급하고, 환기를 확보하고, 카메라와 깔끔하게 연결해야 합니다. 이것은 인티그레이터의 일이며, 결과는 모델의 품질에만 좌우되지 않습니다. 이는 AI 카메라의 효율성에서 인티그레이터가 하는 역할에 관해 설명드린 바와 같습니다. 인증된 인티그레이터 네트워크를 통하면 기존 카메라에 대한 설치는 보통 하루 이내에 끝납니다.
계약 전에 던져야 할 다섯 가지 질문
매장 한 곳이든 전체 네트워크든, 이 다섯 가지를 통해 영상 분석 아키텍처의 견고함을 빠르게 판단할 수 있습니다.
- 분석 대상 스트림: 고해상도 메인 스트림인지, 보조 스트림인지.
- 모델이 실행되는 위치, 그리고 해당 장비가 귀사 매장 전용인지 여부.
- 매장을 떠나는 것이 정확히 무엇이며, 언제 나가는지.
- 알림 클립의 보관 장소: 어느 나라에, 얼마 동안 보관되는지.
- 매장의 연결이 끊기거나 불안정해지면 어떻게 되는지.
구체적인 답변을 기대하세요. 잘 설계된 아키텍처는 전문 용어 없이 몇 문장으로 설명할 수 있습니다. 그렇게 하지 못하는 공급업체는 정작 자신의 데이터 흐름을 명확히 파악하지 못하는 경우가 많습니다. 그리고 보유한 카메라가 몇 년 되었다면, 매장용 카메라를 잘 고르기 위한 가이드가 활용 가능한 메인 스트림을 제공하는지 확인하는 데 도움이 됩니다.
신뢰에도 도움이 되는 아키텍처
스트림을 현장에 두는 것은 대역폭 문제만이 아닙니다. 이동하는 데이터를 꼭 필요한 만큼으로 제한하고, 데이터를 상점 운영자의 통제 아래 두는 일이기도 합니다. AI의 견고성, 안전성, 보안에 관한 OECD 원칙은 AI 시스템이 수명 주기 전반에 걸쳐 안전하고 보안이 확보되며 제대로 작동해야 하고, 부당한 피해를 일으킬 위험이 있을 경우 이를 안전하게 무력화하거나 수리하거나 운영 중단할 수 있는 메커니즘이 있어야 한다고 권고합니다.
매장에서는 이를 이렇게 풀어 볼 수 있습니다. 기술이 감지하고, 팀이 결정합니다. AI는 사람이 아니라 제스처를 분석하며, 카메라 사이로 누구도 추적하지 않습니다. 클립을 보고 rayon으로 갈지, 도움을 제안할지, 아무것도 하지 않을지를 선택하는 것은 사람입니다.
이 모든 것에 거창한 것은 없습니다. 적절한 위치에서 이루어지는 연산, 그리고 필요할 때만 이동하는 영상일 뿐입니다. 그러나 바로 이것이 빠르고 정확한 알림과 더 잘 관리되는 재고 손실(démarque inconnue)로 이어집니다. 기능을 비교하기 전에 스트림 흐름도를 보여 달라고 요청해 보세요. 영업 자료보다 훨씬 많은 것을 알려 주는 경우가 많습니다.
