카메라 영역 처리: 크롭으로 AI 연산을 유용한 영역에 집중하는 방법

크롭은 추론 전에 관련 없는 픽셀을 버리고 유용한 영역을 확대하여 카메라 AI 연산을 집중할 수 있지만, 선택한 시야 내에서만 가능합니다.

진입로 카메라는 각 프레임의 대부분을 하늘, 벽, 주차된 차량에 할애하는 반면, 사람은 출입문 근처의 아주 작은 영역만 차지할 수 있습니다. 정의된 영역이나 선택한 타일을 처리하면 모델의 고정 입력 해상도에서 해당 영역에 더 많은 픽셀이 할당됩니다. 하지만 이 선택은 주변 맥락을 제거하고, 물체가 잘리거나 감지되지 않을 수 있는 경계를 만듭니다.

크롭은 물체당 유효 픽셀 수를 바꿉니다

대부분의 탐지기는 입력을 고정된 텐서 크기로 조정합니다. 넓은 전체 프레임을 축소하면 멀리 있는 사람은 몇 개의 픽셀만 차지할 수 있습니다. 크기 조정 전에 출입문 영역을 크롭하면 모델 좌표에서 같은 사람이 더 크게 표시되어 탐지기에 제공되는 세부 정보가 향상됩니다.

거친 단계에서 세밀한 단계로 진행하는 추론은 작은 물체가 있을 가능성이 높은 영역을 예측한 뒤, 더 높은 배율의 세밀한 처리를 위해 작은 칩 영역만 처리합니다. 이 연구는 전체 이미지 피라미드를 사용하는 것보다 처리 픽셀 수를 줄이면서도 유사한 탐지 품질을 유지한다고 보고합니다.

절약된 연산 자원은 더 높은 영역 해상도, 더 성능이 뛰어난 모델, 또는 더 높은 샘플링 속도를 지원하는 데 사용할 수 있습니다. 이는 마법 같은 압축이 아닙니다. 크롭 바깥의 픽셀은 해당 추론 단계에서 사용할 수 없으므로 탐지에 기여할 수 없습니다.

타일은 세부 정보를 보존하지만 오버랩과 병합 작업을 추가합니다

고정 타일은 큰 프레임을 모델 크기에 맞는 크롭 영역으로 나눕니다. 이때 한쪽 가장자리 근처의 물체가 인접 타일에 온전히 나타나도록 오버랩을 적용하는 경우가 많습니다. 각 크롭은 독립적으로 처리한 뒤 좌표를 원래 위치로 되돌리고, 겹치는 탐지 결과를 병합합니다.

슬라이싱 보조 추론 프레임워크는 기존 여러 탐지기 계열에 슬라이싱을 적용해 소형 물체 탐지 성능을 향상합니다. 이 연구에서 보고된 성능 향상은 전체 프레임을 축소하면 대상이 너무 작아질 때 지역 해상도를 유지하는 것이 중요한 이유를 보여줍니다. 이러한 차이는 이후의 가정 환경 테스트에서도 확인할 수 있습니다.

타일이 많아지면 추론 호출 횟수가 늘어나고, 오버랩이 부족하면 물체가 잘리며, 오버랩이 지나치면 중복 탐지 결과가 생성됩니다. 비최대 억제 또는 추적 정보를 고려한 병합 과정에서 인접한 크롭에 나타난 동일한 물체를 나타내는 박스들을 조정해야 합니다. 자동화가 이어지기 전에 중간 결과를 계속 점검할 수 있어야 합니다.

유용한 활동이 이동하면 고정 영역은 실패합니다

현관 주변에 그린 영역은 중요한 이벤트가 그곳에 머무는 동안에만 작동합니다. 다각형 영역 바로 바깥에 놓인 택배, 변경된 카메라 각도, 렌즈 보정, 또는 예상하지 못한 경로로 접근하는 사람이 처리 대상 픽셀 바깥에 있을 수 있습니다.

2026년의 적응형 영역 처리 시스템은 자동으로 선택한 영역에 세밀한 탐지를 집중시키며, 균일한 슬라이싱과 비교한 속도와 정확도의 절충 관계를 보고합니다. 또한 희소한 대상과 영역 생성 임계값을 실패 조건으로 제시합니다. 이러한 경계는 실제 운영 조건에서 별도로 측정해야 합니다.

핵심은 커버리지입니다. 배경을 제외하면 제외된 픽셀이 더 적게 또는 전혀 분석되지 않는다는 점을 받아들일 때만 작업량이 줄어듭니다. 안전, 경계 감시, 탐색 목적의 사용 사례에서는 영구적인 하드 크롭 대신 동적 영역을 제안하는 저비용 전체 프레임 패스가 필요할 수 있습니다.

Featured

ZimaCube 2 개인용 클라우드 홈 NAS

ZimaCube2

$799.00 - $2,499.00

Buy Now

전체 프레임과 영역 인식 추론 비교

제안된 영역 안쪽, 영역을 가로지르는 위치, 그리고 영역 바로 바깥에서 발생하는 이벤트에 라벨을 지정하세요. 여기에는 작은 사람, 차량, 반려동물, 그림자, 야간 움직임을 포함합니다. 동일한 탐지기를 사용해 전체 프레임, 고정 크롭, 타일, 거친 단계에서 세밀한 단계로 진행하는 모드를 실행하고 재현율, 중복 박스, 지연 시간, 처리 픽셀 수를 측정하세요.

광각 카메라의 한계에서 설명한 광각 사례도 포함하세요. 왜곡과 렌즈 보정으로 인해 저장된 다각형 영역을 기준으로 물체의 위치가 달라질 수 있기 때문입니다. 하나의 평균 탐지 점수에 의존하지 말고 위치별로 미탐지 사례를 점검하세요.

저장된 연산 자원이 허용할 수 없는 사각지대 없이 측정 가능한 이점을 만들어낼 때만 크롭을 사용하세요. 활동이 이동할 수 있다면 경량 전체 프레임 탐색 패스를 유지하고, 경계에서 잘림으로 인해 반복적인 미탐지가 발생하는 경우 오버랩이나 여백을 추가하세요.