로컬 AI 보안 카메라: 클라우드 없이 개인 NVR 구축하는 방법

빠른 답변

로컬 AI 보안 카메라 시스템은 모든 경고, 클립 또는 감지를 위해 클라우드 처리를 의존하는 대신 집 네트워크 내 하드웨어에서 IP 카메라 영상을 녹화하고 분석합니다.

시스템은 일반적으로 다섯 가지 구성 요소를 결합합니다:

1. 안정적인 로컬 비디오 스트림을 제공하는 IP 카메라입니다.
2. Frigate와 같은 로컬 NVR 애플리케이션입니다.
3. 사람, 차량, 동물, 소포 또는 기타 유용한 분류에 대한 객체 감지입니다.
4. 녹화, 클립, 스냅샷, 데이터베이스 및 검색 인덱스 저장소입니다.
5. 어떤 이벤트가 경고를 발생시키고, 보관되며, 홈 자동화 시스템으로 전송될지 결정하는 규칙입니다.

NAS는 NVR을 호스팅하거나 녹화를 저장할 수 있지만 모든 작업을 수행할 필요는 없습니다. 더 무거운 설정에서는 미니 PC나 별도의 AI 서버가 비디오 디코딩과 감지를 실행하고 NAS는 저장 계층으로 남을 수 있습니다.

주요 이점은 단순히 보안 카메라에 “AI를 추가하는 것”이 아닙니다. 잘못된 경고를 줄이고, 중요한 이벤트를 더 빠르게 찾으며, 영상을 로컬에서 제어하고, 불필요한 클라우드 구독 의존을 피하는 것입니다.

로컬 AI 보안 카메라 시스템이란 무엇인가요?

로컬 녹화와 로컬 AI는 별개의 기능입니다.

로컬 녹화는 카메라가 집 안의 장치로 비디오를 전송하여 클라우드 저장소 없이 영상을 저장하는 것을 의미합니다.

로컬 AI 감지는 또 다른 층을 추가합니다. NVR은 선택된 프레임을 분석하여 다음과 같은 의미 있는 객체나 이벤트를 식별하려고 시도합니다:

• 진입로에 들어오는 사람
• 차고 근처에 정차한 차량
• 현관에 나타난 소포
• 마당을 지나가는 개
• 입구에 도착한 알려진 얼굴
• 진입로 카메라에 보이는 번호판

시스템은 AI 없이 로컬 녹화를 할 수 있고, 연속 녹화 없이 감지를 수행할 수 있습니다. 두 기능은 서로 다른 컴퓨팅, 네트워크, 저장 요구 사항을 만들기 때문에 별도로 계획해야 합니다.

카메라, NVR, 스토리지 서버는 서로 다른 역할을 합니다.

일부 공급업체는 통합 저장 및 감지 구성을 AI NAS라고 부를 수 있습니다. 그러나 사용자에게 실질적인 질문은 명칭이 아니라 전체 로컬 카메라 워크플로우가 신뢰성 있게 녹화하고, 이벤트를 올바르게 필터링하며, 영상을 보호하고, 유지 관리가 가능한지 여부입니다.

로컬이 항상 완전 오프라인을 의미하지는 않습니다

카메라는 로컬 NVR에 녹화할 수 있으면서도 계정 로그인, 텔레메트리, 알림, 원격 보기, 시간 동기화 또는 펌웨어 서비스를 위해 공급업체 서버에 접속할 수 있습니다.

진정한 로컬 우선 설계는 사용자가 전체 데이터 경로를 이해해야 합니다:

• 카메라가 비디오를 전송하는 위치
• 카메라가 클라우드 계정을 요구하는지 여부
• 외부 인터넷 접속 차단 가능 여부
• 원격 보기 작동 방식
• 알림이 생성되는 위치
• 녹화물이나 썸네일이 네트워크를 떠나는지 여부

로컬 카메라 AI가 실제로 할 수 있는 일은?

사람, 차량, 동물 및 소포 감지

기본 모션 감지는 비디오 프레임 간의 변화를 반응합니다. 바람, 그림자, 곤충, 비, 헤드라이트, 나뭇가지, 압축 노이즈 등이 모두 모션을 생성할 수 있습니다.

객체 감지는 더 유용한 질문을 던집니다: 무엇이 움직임을 일으켰는가?

Frigate는 IP 카메라용 실시간 객체 감지를 중심으로 설계된 로컬 NVR입니다. 모든 프레임의 모든 부분을 지속적으로 분석하는 대신, 저부하 모션 감지를 사용하여 객체 감지를 언제 어디서 실행할지 결정합니다.

감지된 객체 클래스는 위치, 시간, 지속 시간, 신뢰도 및 가정 규칙과 결합되어 알림이 생성되기 전에 사용됩니다.

구역 및 시간 규칙으로 이벤트 필터링

사람을 감지하는 것만으로는 항상 충분하지 않습니다. 공공 인도를 걷는 사람은 중요하지 않을 수 있지만, 자정 이후 현관에 들어오는 사람은 즉각적인 주의가 필요할 수 있습니다.

실용적인 알림 규칙은 다음을 결합할 수 있습니다:

• 객체 유형: 사람
• 필수 구역: 현관 앞
• 시간: 오후 11시 이후
• 최소 신뢰도 임계값
• 최소 이벤트 지속 시간
• 카메라별 알림 설정

이러한 맥락 필터링은 더 많은 객체 클래스를 추가하는 것보다 더 가치 있는 경우가 많습니다.

설명으로 녹화된 이벤트 검색

최신 로컬 NVR 소프트웨어는 단순한 시간순 이벤트 목록을 넘어설 수 있습니다. Frigate는 추적된 객체에 대한 로컬 임베딩을 생성하고 이를 시맨틱 검색에 사용할 수 있습니다.

시맨틱 검색에 따르면, 사용자는 텍스트 설명, 기존 이미지 또는 자동 생성된 설명을 통해 추적된 객체를 검색할 수 있습니다. 이미지와 텍스트 임베딩은 로컬에 저장되고 검색됩니다.

가능한 검색어는 다음과 같을 수 있습니다:

• 빨간 재킷을 입은 사람
• 진입로에 있는 흰색 배달 밴
• 문 근처를 달리는 개
• 큰 상자를 들고 있는 사람
• 이전 이벤트와 유사한 차량

의미 기반 검색은 조사 및 검토에 유용하지만 완벽한 자동 경고 메커니즘으로 간주해서는 안 됩니다. 시각적 유사성 모델은 특히 객체가 작거나 장면이 비슷할 때 관련 있지만 잘못된 이벤트를 반환할 수 있습니다.

익숙한 얼굴 인식

얼굴 인식은 시스템이 충분히 선명한 얼굴을 먼저 찾은 후에 인식된 사람에게 알려진 이름을 첨부할 수 있습니다.

Frigate의 얼굴 인식 기능은 로컬에서 실행되며 효율적인 CPU 지향 모델과 지원되는 GPU 또는 NPU 하드웨어용 대형 모델을 지원합니다.

얼굴 인식은 사람 감지를 대체하는 것이 아니라 선택적 보강으로 취급해야 합니다. 결과는 다음 요인에 영향을 받을 수 있습니다:

• 카메라와의 거리
• 얼굴 각도
• 모션 블러
• 저조도 또는 적외선 영상
• 모자, 안경 또는 부분적 가림
• 약하거나 대표성이 없는 학습 이미지

카메라 배치와 얼굴 세부 정보가 단순히 녹화 해상도를 높이는 것보다 더 중요합니다.

번호판 인식

번호판 인식은 진입로에 들어오는 알려진 차량을 식별하거나 나중에 검토할 수 있도록 번호판 텍스트를 기록하는 데 도움이 됩니다.

번호판 인식 문서에서는 Frigate가 인식된 번호판 문자나 알려진 이름을 추적된 자동차 및 오토바이에 첨부할 수 있다고 설명합니다.

LPR은 번호판을 읽을 수 있는 카메라 각도와 이미지 품질이 필요합니다. 진입로 위에 높게 설치된 광각 개요 카메라는 차량을 안정적으로 감지할 수 있지만 번호판을 읽지 못할 수 있습니다.

이벤트 설명 및 요약 생성

일부 로컬 카메라 워크플로우는 추적된 이벤트에 설명이나 요약을 추가할 수 있습니다. 이러한 기능은 선택된 구성에 따라 로컬 또는 외부 비전-언어 모델을 사용할 수 있습니다.

설명은 이벤트 검색 및 검토를 쉽게 만들 수 있지만, 사용자는 구성된 공급자가 로컬에서 실행되는지 확인하여 이미지나 이벤트 데이터가 네트워크를 벗어나지 않는지 확인해야 합니다.

로컬 AI 카메라 및 NVR 파이프라인

신뢰할 수 있는 로컬 AI 카메라 시스템은 하나의 AI 모델이 아니라 파이프라인으로 이해해야 합니다.

1단계: 안정적인 로컬 카메라 스트림 캡처

NVR은 카메라 스트림에 직접적이고 신뢰할 수 있는 접근이 필요합니다. RTSP는 자체 호스팅 카메라 시스템에서 일반적이며, ONVIF는 장치 검색, 프로필, 이벤트, 상호 운용성에 도움을 줄 수 있습니다.

ONVIF 프로필 페이지는 호환 장치와 클라이언트가 정의된 프로필 기능 세트를 지원해야 함을 설명합니다. 사용자는 단순히 “ONVIF 호환”이라는 마케팅 문구에 의존하지 말고 등록된 적합성을 확인해야 합니다.

카메라를 구매하기 전에 다음을 확인하세요:

• 로컬 RTSP 또는 호환 스트림을 제공합니다.
• 필수 클라우드 구독 없이도 작동할 수 있습니다.
• 외부 인터넷 접속이 차단된 후에도 스트림은 계속 사용할 수 있습니다.
• 낮은 해상도의 서브스트림을 제공합니다.
• 비트레이트, 프레임 속도, 코덱을 구성할 수 있습니다.
• 자격 증명은 로컬에서 변경 및 관리할 수 있습니다.

2단계: 모션을 사용해 객체 감지 제한하기

모든 프레임의 모든 픽셀에 대해 객체 감지를 수행하면 자원이 낭비됩니다. Frigate는 먼저 모션 분석을 사용해 추가 감지가 필요한 영역을 식별합니다.

이 기능은 하나의 감지기가 여러 대의 카메라를 더 효율적으로 처리할 수 있게 합니다. 또한 객체 감지가 활성화되어도 모션 구성은 여전히 중요합니다.

3단계: 관련 객체 감지 및 추적

객체 감지는 감지 역할이 할당된 스트림에서 수행됩니다. 선택된 스트림은 불필요한 디코딩 부하를 만들지 않으면서 관련 객체 클래스와 거리 정보를 충분히 제공해야 합니다.

Frigate의 카메라 구성은 감지와 녹화에 별도의 스트림을 할당할 수 있습니다. 낮은 해상도의 스트림은 감지에 사용하고, 더 높은 해상도의 스트림은 녹화용으로 유지할 수 있습니다.

이 분리는 모든 역할을 수행하는 하나의 고해상도 스트림을 강제로 사용하는 것보다 종종 더 낫습니다.

4단계: 어떤 이벤트가 중요한지 결정

감지는 자동으로 알림을 의미하지 않습니다. 이벤트는 가족의 우선순위에 따라 필터링된 후에야 유용해집니다.

예를 들어:

5단계: 영상 가치를 기준으로 저장

모든 카메라 영상이 동일한 보존 기간을 가질 필요는 없습니다.

실용적인 정책은 다음을 유지할 수 있습니다:

• 연속 영상은 짧은 기간 보관
• 모션 영상은 며칠 더 보관
• 중요한 감지 또는 알림은 더 오래 보관
• 필요하지 않을 때까지 수동으로 내보낸 증거

Frigate의 녹화 설정은 연속, 모션, 알림 및 감지 녹화를 서로 다른 보존 기간으로 사용할 수 있게 합니다.

6단계: 네트워크 및 원격 접근 보안

시스템은 네트워크와 접근 경로가 제어될 때만 로컬 우선입니다. 카메라는 개인용 컴퓨터, 문서 저장소 또는 관리자 장치와 동일한 신뢰 수준을 공유해서는 안 됩니다.

원격 시청은 일반적으로 신뢰할 수 있는 VPN, 인증된 리버스 프록시 또는 다른 신중하게 보안된 접근 계층과 같은 제어된 경로를 사용해야 하며, NVR을 직접 공개 인터넷에 노출하는 것은 피해야 합니다.

어떤 카메라가 로컬 AI NVR과 호환되나요?

안정적인 로컬 스트림을 우선시하세요

로컬 AI NVR에 가장 적합한 카메라는 반드시 내장된 “AI” 기능이 가장 많은 카메라가 아닙니다. 안정적인 로컬 스트림이 더 중요합니다.

다음 사항을 확인하세요:

• RTSP 지원
• 관련된 경우 검증된 ONVIF 호환성
• 구성 가능한 주 스트림 및 서브스트림
• H.264 또는 지원되는 H.265 출력
• 조절 가능한 비트레이트 및 프레임 속도
• 신뢰할 수 있는 유선 이더넷 또는 강력한 Wi-Fi
• 로컬 사용자 계정
• 적절한 저조도 이미지 품질

주 스트림과 감지 서브스트림은 서로 다른 용도로 사용됩니다

고해상도 스트림은 증거 검토, 번호판 판독, 얼굴 식별 또는 녹화된 이벤트 확대 시 유용합니다.

저해상도 스트림은 객체 감지에 충분할 수 있으며 디코딩 부하를 크게 줄일 수 있습니다.

일반적인 구성은 다음과 같습니다:

• 감지 스트림: 더 낮은 해상도와 더 낮은 프레임 속도.
• 녹화 스트림: 더 높은 해상도와 더 높은 이미지 품질.
• 라이브 뷰 재전송: 대시보드 또는 클라이언트 장치에 따라 선택됨.

유선 카메라가 보통 더 안정적으로 작동하기 쉽습니다

Wi-Fi 카메라도 작동할 수 있지만 각 카메라는 무선 통신 시간을 경쟁하며 신호 손실, 혼잡, 절전 동작 또는 액세스 포인트 변경의 영향을 받을 수 있습니다.

특히 PoE(Power over Ethernet)를 사용하는 유선 카메라는 전원, 네트워킹 및 가동 시간을 단순화할 수 있습니다. 올바른 선택은 설치 제약과 배선 가능 여부에 따라 달라집니다.

Frigate가 오탐지를 줄이는 방법

모션 감지와 객체 감지는 함께 작동합니다

모션은 분석이 어디서 이루어져야 하는지를 결정합니다. 객체 감지는 무엇이 있을 수 있는지를 결정합니다.

모션을 비활성화하거나 과도하게 마스킹하면 객체 추적이 덜 신뢰할 수 있게 됩니다. 모션 감도를 너무 높게 유지하면 처리 낭비와 불필요한 후보 이벤트가 발생할 수 있습니다.

중요한 영역에는 구역을 사용하세요

사용자가 이미지의 정의된 부분에 객체가 들어올 때만 알림을 원할 때 구역이 적합합니다:

• 앞 현관
• 진입로
• 측면 문
• 차고 입구
• 뒷마당 파티오

구역은 요구 구역 설정과 결합할 수 있어 객체가 영역 밖에서도 추적될 수 있지만 관련 구역에 들어올 때까지 선택된 알림을 생성하지 않습니다.

마스크는 절제해서 사용하세요

Frigate의 마스크 문서는 모션 마스크와 객체 필터 마스크를 구분하며, 두 가지 모두 영역을 감지에서 숨기는 일반적인 방법이 아니라 세밀한 조정 도구임을 경고합니다.

모션 마스크는 다음과 같은 지속적인 움직임을 제외하는 데 도움이 될 수 있습니다:

• 타임스탬프 오버레이
• 프레임 상단의 움직이는 나무
• 고정 표면의 반사
• 계속 움직이는 깃발

객체 필터 마스크는 특정 객체가 있을 수 없는 위치에서 반복되는 오탐지를 줄이는 데 더 적합합니다.

과도한 마스킹은 추적을 방해할 수 있습니다. “사람이 이 위치에 들어올 때만 알림”이 필요한 경우, 요구 구역이 보통 더 적합합니다.

카메라 배치가 여전히 감지 품질을 결정합니다

AI는 카메라가 전혀 포착하지 못한 세부 정보를 복구할 수 없습니다. 감지 품질은 다음에 따라 달라집니다:

• 설치 높이
• 시야각
• 감지 스트림 내 객체 크기
• 역광 및 눈부심
• 야간 조명
• 모션 블러
• 렌즈 청결도
• 압축 설정

잘 배치된 소수의 카메라가 잘못 배치된 다수의 스트림보다 더 나은 보안 정보를 제공할 수 있습니다.

로컬 AI 비디오 검색 작동 방식

전통적인 필터와 의미 기반 검색은 서로 다른 요구를 충족합니다

사용자가 이미 구조화된 세부 정보를 알고 있을 때 전통적인 필터가 가장 좋습니다:

• 카메라 이름
• 날짜 및 시간
• 객체 클래스
• 구역
• 알려진 얼굴
• 인식된 번호판

의미 검색은 메모리가 구조화된 것보다 설명적일 때 유용합니다:

• 긴 물체를 들고 있는 사람
• 문 근처에 상자를 놓는 배달 기사
• 진입로로 후진하는 어두운 차량
• 문을 통과하는 사람을 따라가는 개

구조화된 필터와 의미 검색을 결합하면 의미 유사성만 의존하는 것보다 보통 더 나은 결과를 얻습니다.

의미 검색은 기본 감지보다 더 많은 메모리를 필요로 합니다

의미 검색은 일반 카메라 파이프라인 외에 비전-언어 임베딩 모델을 실행합니다.

Frigate는 현재 의미 검색을 위해 최소 8GB RAM과 AVX 및 AVX2 명령어가 있는 CPU를 요구합니다. 문서에서는 더 나은 성능을 위해 16GB 이상과 전용 GPU를 권장합니다.

추적된 객체의 방대한 기록을 재인덱싱하면 일시적으로 높은 CPU 사용량이 발생할 수 있습니다. 이 작업은 녹화, 백업 및 기타 서버 활동을 고려하여 예약해야 합니다.

이미지 유사성은 수동 조사에 유용합니다

사용자는 이전에 추적된 객체를 선택하고 시각적으로 유사한 이벤트를 검색할 수 있습니다. 이는 유사한 차량이나 비슷한 옷을 입은 사람의 반복 방문을 찾는 데 도움이 될 수 있습니다.

시각적 유사성은 동일성을 증명하지 않습니다. 유사한 차량, 의복, 조명, 카메라 각도는 수동 검토가 필요한 관련 결과를 만들 수 있습니다.

Frigate, 홈 자동화, NAS: 무엇이 어디서 실행되나요?

옵션 1: 하나의 홈 서버가 모든 것을 실행합니다

작은 구성에서는 한 대의 기계가 다음을 실행할 수 있습니다:

• Frigate
• MQTT
• Home Assistant
• 녹화 저장소
• 알림
• 소수의 다른 컨테이너

이 방법은 이해하고 유지하기 쉽지만, 장애, 재부팅 또는 자원 급증이 모든 서비스에 동시에 영향을 줄 수 있습니다.

옵션 2: 미니 PC가 Frigate를 실행하고 NAS가 영상을 저장합니다

이것은 대형 시스템에서 실용적인 균형인 경우가 많습니다.

미니 PC는 다음을 처리합니다:

• 스트림 디코딩
• 모션 분석
• 객체 감지
• 의미 검색
• Frigate 데이터베이스 및 인터페이스

NAS는 다음을 처리합니다:

• 녹화 용량
• 더 긴 보존 기간
• 선택된 내보내기
• 중요한 클립 백업

이 방법은 중앙 집중식 용량을 사용하면서도 지속적인 비디오 처리를 주요 저장 작업과 분리합니다.

옵션 3: NAS가 지원되는 가속 기능과 함께 Frigate를 호스팅합니다

NAS에서 직접 Frigate를 실행하는 것은 다음과 같은 경우에 가능합니다:

• 운영 체제가 필요한 컨테이너를 지원합니다.
• 감지기 또는 GPU가 올바르게 패스스루될 수 있습니다.
• 카메라 수가 적당합니다.
• NAS에 충분한 메모리가 있습니다.
• 카메라 기록이 중요한 서비스에 방해가 되지 않습니다.
• 소프트웨어 스택은 의도된 비디오 디코딩 경로를 지원합니다.

내부 가이드 가정용 작업 부하가 NAS 외부에서 실행되어야 할 때는 저장소와 컴퓨팅을 분리해야 할 시기를 결정하는 더 넓은 틀을 제공합니다.

AI를 실행하지 않아도 NAS는 여전히 가치가 있습니다

저장 중심 NAS는 다른 기기가 카메라 추론을 수행하더라도 실용적인 로컬 홈 데이터 워크플로우를 지원할 수 있습니다.

저장 하드웨어와 AI 하드웨어는 동일한 장치일 필요가 없습니다.

로컬 AI NVR에 필요한 하드웨어는 무엇인가요?

CPU: 스트림 관리 및 일반 시스템 작업

CPU가 처리할 수 있는 작업:

• 모션 분석
• FFmpeg 프로세스
• 컨테이너 서비스
• 데이터베이스 활동
• API 요청
• 타임라인 생성
• 오프로드되지 않은 모든 비디오 디코딩

AI 가속기를 추가해도 모든 CPU 작업이 제거되는 것은 아닙니다.

비디오 디코더: 카메라 스트림 압축 해제

비디오 디코딩과 AI 추론은 별개의 작업입니다. 객체 감지 가속기는 프레임을 효율적으로 분류할 수 있지만 CPU는 여러 고해상도 스트림을 디코딩하느라 과부하 상태일 수 있습니다.

지원되는 통합 그래픽 또는 GPU 비디오 디코딩은 CPU 부하를 크게 줄일 수 있습니다. 정확한 구성은 프로세서, 운영 체제, 컨테이너 이미지, 코덱 및 Frigate 빌드에 따라 다릅니다.

감지기: 객체 감지 추론

Frigate의 권장 하드웨어 문서는 Hailo, 지원되는 Intel 하드웨어의 OpenVINO, NVIDIA GPU, AMD ROCm, Apple Silicon, Jetson, Rockchip, Coral 및 기타 플랫폼을 포함한 여러 감지기 경로를 지원합니다.

현재 Frigate 지침은 저전력 사용이나 제한된 하드웨어가 적합한 경우를 제외하고는 새로운 설치에 대해 일반적으로 Coral을 권장하지 않습니다. 기존 Coral 설치는 계속 지원되지만, 새 구축 시에는 현재 지원되는 모든 감지기 옵션을 비교해야 합니다.

RAM: NVR, 데이터베이스 및 강화 기능

기본 객체 감지는 중간 정도의 메모리 요구량이 있을 수 있지만, 의미 기반 검색, 얼굴 인식, LPR, 더 큰 모델, 더 많은 카메라 및 기타 컨테이너는 총 RAM 요구량을 증가시킵니다.

감지기뿐만 아니라 전체 서버의 메모리를 계획하세요.

SSD: 데이터베이스 및 활성 검토 데이터

SSD는 다음의 반응 속도를 향상시킬 수 있습니다:

• Frigate 데이터베이스 파일
• 썸네일 및 미리보기
• 최근 클립
• 검색 인덱스
• 컨테이너 데이터
• 자주 검토하는 녹화 영상

카메라의 지속적인 쓰기는 마모를 일으키므로 SSD 내구성, 사용 가능한 공간 및 모니터링을 고려해야 합니다.

HDD: 더 긴 녹화 보관 기간

HDD 저장소는 일반적으로 대량의 과거 영상을 저장하는 데 더 경제적입니다. 데이터베이스와 자주 접근하는 애플리케이션 데이터는 SSD에 유지하면서 더 긴 보관 기간에 사용할 수 있습니다.

내부 가이드 로컬 AI 병목 현상은 컴퓨팅, 메모리, 저장소, 네트워크 중 어디인가요?는 다중 카메라 시스템에서 성능을 제한하는 부분을 식별하는 데 도움이 됩니다.

보안 카메라에 필요한 저장 용량은 얼마입니까?

저장은 주로 평균 비트레이트, 녹화 시간, 카메라 수 및 보존 기간에 따라 달라집니다.

대략적인 십진수 추정치는 다음과 같습니다:

하루 저장 용량(GB) ≈ 비트레이트(Mbps) × 10.8

이는 계획 추정치이며 보장된 사용량 수치는 아닙니다. 가변 비트레이트, 움직임 수준, 오디오, 코덱, 장면 복잡성 및 이벤트 기반 보존이 실제 소비량을 변경할 수 있습니다.

연속 녹화 대 이벤트 기반 보존

연속 녹화는 가장 강력한 역사적 맥락을 제공하지만 더 많은 저장 공간이 필요합니다. 이벤트 기반 녹화는 용량 요구를 줄이지만 감지된 이벤트 전후의 유용한 활동을 놓칠 수 있습니다.

균형 잡힌 정책은 짧은 연속 보존과 경고 및 중요한 감지에 대한 더 긴 보존을 사용할 수 있습니다.

모든 프레임이 아니라 중요한 이벤트만 백업하기

카메라 영상은 데이터 변동이 심한 고용량 데이터입니다. 모든 초를 무기한 백업하는 것은 비용이 많이 들고 불필요할 수 있습니다.

많은 가정에서는 영상을 다음과 같이 분리할 수 있습니다:

• 자동으로 만료되는 일상 녹화
• 조사용 감지 클립 보관
• 중요한 내보내기 파일이 보호된 저장소에 복사됨
• 주요 증거가 기본 NVR 외부에 저장됨

로컬 AI NVR 대 클라우드 보안 카메라

가정에서 편의성, 개인정보 보호, 예측 가능한 비용, 맞춤화 또는 최소 유지 관리를 가장 중요하게 여기는지에 따라 올바른 선택이 달라집니다.

IP 카메라를 비공개로 유지하는 방법

카메라를 별도의 네트워크에 배치하기

전용 VLAN 또는 격리된 카메라 네트워크는 카메라가 접근할 수 있는 범위를 제한할 수 있습니다.

일반적인 정책은 카메라가 NVR 및 필요한 로컬 서비스와 통신하도록 허용하면서 개인 기기와 민감한 저장소에 대한 접근을 차단합니다.

불필요한 외부 인터넷 접근 차단

아웃바운드 트래픽 차단은 공급업체 클라우드 의존도를 줄일 수 있지만, 앱 접근, 시간 동기화, 알림, 펌웨어 업데이트가 불가능해질 수도 있습니다.

전체 시스템에 엄격한 규칙을 적용하기 전에 한 대의 카메라를 테스트하세요.

공개 토론 IP 카메라의 홈 연결은 일반적인 셀프 호스팅 문제를 보여줍니다: 로컬 녹화가 카메라의 외부 연결 시도를 반드시 막는 것은 아닙니다.

VPN 기반 또는 인증된 원격 접근 사용

보안 설계가 신중히 검토되지 않은 경우 카메라 스트림, NVR 인터페이스, 관리 포트를 직접 노출하지 마세요.

강력한 인증, 암호화된 연결, 제한된 계정, 통제된 원격 접근 경로를 사용하세요.

뷰어와 관리자 계정 분리

모든 가정 구성원이 다음 권한을 가질 필요는 없습니다:

• 카메라 설정 변경
• 녹화 삭제
• 영상 내보내기
• 얼굴 라이브러리 수정
• 알림 규칙 변경
• 모든 실내 카메라에 접근

사용자 역할에 필요한 최소한의 접근 권한을 부여하세요.

지역 법률 및 가정 내 기대사항을 확인하세요

오디오 녹음, 공공장소 관찰, 얼굴 인식, 영상 보관, 방문자 촬영에 관한 규칙은 지역마다 다릅니다.

기술적 능력이 모든 사용에 적합한 것은 아닙니다. 가정 구성원에게 알리고, 불필요한 사생활 감시는 피하며, 해당 지역 요구사항을 확인하세요.

실용적인 로컬 AI 카메라 설정 체크리스트

1. 실제 목표를 정의하세요. 우선순위가 소포 알림, 진입로 모니터링, 실내 안전, 동물 감지, 검색 가능한 녹화 중 무엇인지 결정하세요.
2. 카메라 커버리지를 매핑하세요. 추가 카메라 구매 전에 위치와 각도를 선택하세요.
3. 로컬 스트림을 확인하세요. 필요 시 RTSP, ONVIF 준수 여부와 클라우드 접속 없이 작동하는지 확인하세요.
4. 감지 및 녹화 스트림을 선택하세요. 감지에는 저해상도 스트림을, 증거용에는 가능한 고품질 스트림을 사용하세요.
5. 저장 용량을 추정하세요. 비트레이트, 카메라 수, 연속 보관 기간, 이벤트 보관 기간을 계산하세요.
6. 지원되는 하드웨어를 선택하세요. 선택한 Frigate 빌드에 맞게 감지기와 비디오 디코딩 경로를 맞추세요.
7. 한 대의 카메라로 시작하세요. 스트림 안정성, CPU 사용량, 추론 속도, 녹화 및 알림을 검증하세요.
8. 복잡한 마스크를 추가하기 전에 구역을 만드세요. 알림이 실제로 중요한 위치를 정의하세요.
9. 실제 환경에서 테스트하세요. 낮, 밤, 비, 전조등, 반려동물, 배달, 일반 가정 활동을 검토하세요.
10. 카메라 트래픽 분리. 시스템이 커지기 전에 방화벽 및 네트워크 규칙을 만드세요.
11. 계정과 원격 접근을 구성하세요. 관리자 자격 증명을 공유하지 말고 직접적인 공개 노출을 피하세요.
12. 보존 및 내보내기를 테스트하세요. 중요한 클립을 찾고 복사할 수 있는지 확인한 후 오래된 영상이 만료되도록 하세요.
13. 서버 상태를 모니터링하세요. CPU, RAM, 감지기 지연, 스트림 오류, 디스크 공간, SSD 마모, 녹화 누락을 주시하세요.

일반적인 문제와 한계

카메라 스트림이 끊기거나 끊김 현상이 발생합니다

가능한 원인으로는 불안정한 Wi-Fi, 너무 많은 카메라 연결, 잘못된 코덱, 과도한 비트레이트, 약한 스위치, 패킷 손실, 카메라 펌웨어 문제 등이 있습니다.

AI 감지기를 탓하기 전에 원시 로컬 스트림을 테스트하세요.

사람 또는 차량 감지가 부정확합니다

바운딩 박스, 신뢰도 점수, 감지 해상도, 객체 크기, 모델 적합성을 검토하세요. 고정된 오탐지는 객체 필터로 개선할 수 있으며, 관련 없는 영역은 보통 존으로 처리하는 것이 좋습니다.

야간 감지는 훨씬 더 나쁩니다

적외선 반사, 곤충, 비, 전조등, 모션 블러, 낮은 대비는 야간 성능을 저하시킬 수 있습니다.

조명을 개선하고, 카메라 위치를 조정하며, 반사면을 줄이고, 낮과 밤에 대해 기대치를 별도로 조정하세요.

감지기를 추가한 후에도 CPU 사용률이 높게 유지됩니다

감지기는 객체 추론을 가속화할 수 있지만 CPU는 계속해서 비디오 디코딩, 모션 추적, 컨테이너 관리, 녹화 쓰기, 인터페이스 제공을 수행합니다.

하드웨어 비디오 디코딩, 스트림 해상도, 카메라 프레임 속도, 지원되지 않는 기능이 CPU로 대체되는지 확인하세요.

녹화 쓰기 작업은 다른 NAS 서비스에 영향을 미칩니다

카메라 녹화는 지속적이고 빈번한 쓰기 작업을 발생시킵니다. 이는 백업, 미디어 라이브러리, 데이터베이스, 일반 파일 접근과 경쟁할 수 있습니다.

필요할 경우 별도의 저장소, 전용 데이터셋, 계획된 보존 기간, 또는 별도의 Frigate 호스트를 사용하세요.

시맨틱 검색은 예상보다 더 많은 하드웨어를 사용합니다

시맨틱 검색은 별도의 임베딩 모델과 인덱스를 추가합니다. 오래된 추적 객체는 CPU 집약적인 재인덱싱 과정이 필요할 수 있습니다.

기본 녹화와 객체 감지가 안정된 후에 고급 보강 기능을 활성화하세요.

얼굴 인식은 신뢰할 수 없습니다

얼굴 인식은 충분한 얼굴 세부 정보, 적절한 카메라 각도, 다양한 학습 데이터가 필요합니다. 넓은 영역 커버리지를 위해 최적화된 카메라는 식별에 필요한 세부 정보를 제공하지 못할 수 있습니다.

얼굴 인식은 보안 결정의 유일한 근거가 아니라 추가적인 맥락으로 사용하세요.

로컬 녹화가 카메라의 원격 통신을 막지는 않습니다

저장 위치와 네트워크 동작은 별개의 문제입니다. DNS 요청, 아웃바운드 트래픽, 펌웨어 기능, 공급업체 앱 의존성, 방화벽 규칙을 검토하세요.

AI 감지는 완전한 보안 시스템이 아닙니다

로컬 카메라 AI는 이벤트를 필터링하고 검토 시간을 줄일 수 있습니다. 그러나 모든 이벤트가 감지, 식별, 기록되거나 알림으로 전달된다는 보장은 없습니다.

잠금장치, 조명, 물리적 보안, 합리적인 카메라 배치, 백업, 인간의 판단은 여전히 중요합니다.

언제 로컬 AI 카메라 시스템을 구축할 가치가 있나요?

로컬 AI NVR을 고려할 만한 경우:

• 모션 알림이 너무 많아 소음이 발생합니다.
• 가정에서 사람, 차량, 동물 또는 패키지 필터링을 원합니다.
• 클라우드 카메라 구독 비용이 점점 비싸지고 있습니다.
• 개인 또는 실내 영상은 로컬에 남아야 합니다.
• 사용자가 더 길거나 유연한 보존을 원합니다.
• 여러 카메라 브랜드에 대해 하나의 검토 인터페이스가 필요합니다.
• 카메라 이벤트가 홈 자동화를 트리거해야 합니다.
• 녹화된 이벤트에 대해 로컬 의미 검색이 필요합니다.
• 가정에서 서버와 네트워크를 유지 관리할 의향이 있습니다.

더 단순한 녹화기나 클라우드 카메라가 더 나을 수 있는 경우:

• 가정에 카메라가 한두 대뿐입니다.
• 기본 모션 녹화면 충분합니다.
• 아무도 저장소나 업데이트 관리를 원하지 않습니다.
• 쉬운 원격 접근이 로컬 제어보다 더 중요합니다.
• 카메라가 신뢰할 수 있는 로컬 스트림을 제공하지 않습니다.

목표는 가장 복잡한 카메라 시스템을 구축하는 것이 아닙니다. 신뢰할 수 있고 적절히 개인 정보가 보호되는 작업 흐름을 유지하면서 무슨 일이 일어났는지 이해하는 데 필요한 시간을 줄이는 것입니다.

결론

로컬 AI 보안 카메라 시스템은 안정적인 IP 카메라 스트림, 개인 NVR, 선택적 객체 감지, 이벤트 필터, 검색 가능한 녹화, 계획된 저장소, 제어된 원격 접근을 결합합니다.

NAS는 소프트웨어를 실행하거나 영상을 저장하거나 장기 저장 계층으로만 사용할 수 있습니다. 다중 카메라 감지, 디코딩, 얼굴 인식, 번호판 인식, 의미 검색 등 무거운 작업은 별도의 미니 PC나 AI 서버에 더 적합할 수 있습니다.

기본부터 시작하세요: 신뢰할 수 있는 스트림, 작동하는 카메라 한 대, 합리적인 구역, 명확한 보존 규칙, 지원되는 가속, 안전한 네트워크 접근. 녹화 및 감지 파이프라인이 안정된 후에 얼굴 인식, 번호판 인식, 의미 검색, 생성적 설명을 추가하세요.

최고의 로컬 AI 카메라 시스템은 가장 많은 경고를 생성하는 시스템이 아닙니다. 올바른 이벤트를 표시하고, 중요한 영상을 접근 가능하게 유지하며, 가정에서 영상이 처리되고 저장되는 위치를 명확히 제어할 수 있는 시스템입니다.

자주 묻는 질문

AI 보안 카메라는 클라우드 없이 작동할 수 있나요?

예. 호환되는 IP 카메라는 Frigate와 같은 NVR에 로컬 스트림을 전송할 수 있으며, 녹화 및 객체 감지는 로컬 하드웨어에서 실행됩니다.

카메라 자체가 여전히 공급업체 계정이나 다른 기능을 위한 외부 연결을 요구하는지 확인하세요.

Frigate를 NAS에서 직접 실행할 수 있나요?

예, NAS가 필요한 컨테이너, 저장 구성, 장치 패스스루, 비디오 디코딩 및 감지기 하드웨어를 지원할 때 가능합니다.

더 무거운 설정의 경우, NAS를 녹화용으로 사용하면서 Frigate를 별도의 미니 PC에서 실행하면 더 나은 격리와 성능을 제공할 수 있습니다.

Frigate에 GPU가 필요합니까?

반드시 그런 것은 아닙니다. Frigate는 Intel OpenVINO, Hailo, Coral, NVIDIA, AMD, Apple Silicon, Jetson, Rockchip 등 여러 감지기 유형을 지원합니다.

정기적인 객체 감지에는 지원되는 가속기가 강력히 권장됩니다. GPU는 비디오 디코딩, 대형 감지 모델, 의미 기반 검색, 얼굴 인식 및 기타 기능에 더 유용해집니다.

Google Coral이 새 Frigate 설치에 여전히 권장되나요?

Frigate는 여전히 Coral을 지원하지만, 현재 하드웨어 가이드라인에서는 저전력 사용이나 제한된 하드웨어 환경이 아닌 이상 새 설치에 Coral을 일반적으로 권장하지 않습니다.

새 빌드는 현재 지원되는 감지기 옵션을 호스트 하드웨어와 카메라 작업량과 비교해야 합니다.

Frigate 의미 기반 검색에 필요한 RAM 용량은 얼마인가요?

Frigate는 현재 의미 기반 검색을 위해 최소 8GB RAM과 AVX/AVX2 지원 CPU가 필요합니다. 문서에서는 더 나은 성능을 위해 16GB 이상과 전용 GPU를 권장합니다.

감지에 고해상도 카메라 스트림을 사용해야 하나요?

항상 그런 것은 아닙니다. 낮은 해상도의 서브스트림이 객체 감지에 충분한 세부 정보를 제공하면서 디코딩 부하를 줄일 수 있습니다. 고품질 스트림은 녹화를 위해 보존할 수 있습니다.

얼굴 인식과 번호판 인식은 기본 인물 또는 차량 감지보다 더 많은 세부 정보가 필요할 수 있으므로, 올바른 스트림은 장면에 따라 다릅니다.

구역과 마스크의 차이는 무엇인가요?

구역은 추적된 활동이 경고나 녹화에 중요할 수 있는 영역을 정의합니다. 모션 마스크는 좁은 영역 내 움직임이 감지를 유발하지 않도록 합니다. 객체 필터 마스크는 특정 위치에서 특정 객체 유형의 반복되는 오탐지를 억제합니다.

마스크는 절제해서 사용해야 합니다. 선택된 구역 내에서만 경고를 원할 때는 보통 필수 구역 설정이 더 좋습니다.

Frigate가 자연어로 오래된 카메라 영상을 검색할 수 있나요?

Frigate 의미 기반 검색은 텍스트 설명이나 유사 이미지로 인덱싱된 추적 객체를 검색할 수 있습니다. 의미 기반 검색이 활성화된 후에는 이전 이벤트를 다시 인덱싱해야 할 수도 있습니다.

로컬 녹화가 카메라 개인정보를 보장하나요?

아니요. 카메라는 여전히 공급업체 서버에 연락할 수 있고, NVR은 안전하지 않은 원격 접근 설정으로 노출될 수 있습니다.

개인정보 보호를 위해서는 네트워크 분리, 방화벽 규칙, 안전한 인증, 통제된 원격 접근, 소프트웨어 업데이트, 적절한 사용자 권한이 필요합니다.

연속 보안 카메라 영상도 백업해야 하나요?

보통 전체를 다 저장하지는 않습니다. 일상적인 연속 영상은 제한된 보존 정책을 따를 수 있습니다. 중요한 경고, 내보낸 클립 또는 증거는 장기 보존이 필요할 때 보호된 저장소에 복사해야 합니다.

참고 문헌

• 소개
• 카메라 설정
• 마스크
• 구역
• 녹화
• 의미 기반 검색
• 얼굴 인식
• 번호판 인식 (LPR)
• 생성형 AI
• 권장 하드웨어
• ONVIF 프로필
• IP 카메라가 본사에 연락함