동일한 감지 속도로 홈 NVR이 분석할 수 있는 카메라 스트림은 몇 개일까요?
홈 NVR은 각 카메라에 설정된 감지 속도를 낮추지 않고 감지기와 비디오 파이프라인이 처리할 수 있는 만큼의 스트림만 분석할 수 있습니다.
카메라 8대가 각각 초당 5개의 감지 프레임을 요청한다면, 감지기는 오버헤드를 제외하고도 초당 최소 40회의 추론을 처리해야 합니다. 하지만 디코딩, 크기 조정, 추적, 녹화, 움직임 필터링에도 CPU, GPU, 메모리 대역폭, I/O가 사용됩니다. 실제 스트림 한계는 가정 내 여러 작업이 동시에 진행될 때 카메라별 감지 주기나 이벤트 지연 시간이 저하되기 시작하는 지점에서 결정됩니다.
감지 작업량은 스트림 수에 감지 FPS를 곱한 값입니다
가장 간단한 기준은 카메라 수에 설정된 초당 감지 프레임 수를 곱하는 것입니다. 카메라 10대가 5 FPS로 작동하면 매초 50개의 분석 프레임을 요청합니다. 움직임 필터링으로 실제 작업량을 줄일 수 있지만, 용량 계획에는 여러 카메라가 동시에 활성화되는 상황을 포함해야 합니다.
로컬 객체 감지 프로젝트는 로컬 녹화와 실시간 객체 감지를 분리하며, CPU만 사용하는 감지보다 전용 가속을 권장합니다. 이러한 처리 경로는 동일한 서버에 서로 다른 부하를 발생시킵니다.
카메라 소스 FPS가 반드시 감지 FPS와 같은 것은 아닙니다. 25 FPS 녹화 스트림을 5 FPS 감지 스트림으로 사용할 수 있으므로, 녹화된 움직임의 부드러움을 낮추지 않고도 추론 작업량을 줄일 수 있습니다. 두 값을 혼동하면 용량 추정이 지나치게 낙관적이거나 불필요하게 과도해집니다.
디코딩과 전처리가 더 먼저 병목이 될 수 있습니다
추론 전에 압축된 비디오는 디코딩, 크기 조정, 색상 변환, 감지기로의 복사 과정을 거쳐야 합니다. 하드웨어 디코딩은 CPU 부하를 줄일 수 있지만, 코덱, 해상도, 비트 심도, 동시 세션 제한이 중요합니다. 녹화 작업과 실시간 보기용 트랜스코딩은 동일한 파이프라인을 두고 경쟁합니다.
AI 가속기 개요에서는 가속기가 반복적인 추론 작업에서 일반 CPU보다 높은 성능을 내면서 호스트 오버헤드는 낮출 수 있다고 설명합니다. 그래도 디코더는 프레임을 제시간에 전달해야 합니다.
따라서 빠른 감지기가 있다고 해서 카메라를 더 많이 연결할 수 있는 것은 아닙니다. 추론 전에 프레임 큐가 길어지면 감지기 용량을 추가해도 유휴 상태가 됩니다. 저장 장치가 작업을 지연시키면 감지 FPS가 정상으로 보여도 녹화에 문제가 생길 수 있습니다.
나누기 공식이 맞지 않는 경우
감지기 FPS를 카메라당 FPS로 나누는 방식은 모델 비용이 동일하고 프레임이 서로 독립적이라고 가정합니다. 보조 얼굴, 번호판, 자세 또는 분류 모델은 선택된 감지 결과에만 추가 작업을 발생시킵니다. 해상도가 가변적인 타일링과 원격 스트림은 작업량을 고르지 않게 만들 수 있습니다.
보조 인식 제품 설명에 따르면, 보조 인식은 감지 결과를 효율적으로 공유하지 못하면 파이프라인을 느리게 만들 수 있습니다. 기본 FPS가 같더라도 기능 선택에 따라 처리 용량이 달라집니다.
처리량이 아니라 지연 시간이 한계인 경우에도 이 추정은 맞지 않습니다. 감지기가 평균 60 FPS를 처리하더라도 큐 처리 방식이 공정하지 않으면 특정 카메라 하나가 간헐적으로 몇 초씩 지연될 수 있습니다. 평균 속도가 같다고 해서 스트림별 응답성이 동일하다는 뜻은 아닙니다.
가장 느린 카메라가 저하될 때까지 스트림을 늘리세요
최종 코덱, 해상도, 녹화 모드, 감지 FPS를 적용한 상태에서 카메라를 한 대씩 활성화합니다. 모든 화면에서 동시에 움직임을 발생시키고, 카메라별 실제 감지 FPS, 프레임 큐 대기 시간, 추론 시간, 디코딩 사용률, 누락 프레임, 이벤트 지연 시간, 디스크 지연 시간을 기록합니다.
테스트는 비디오 및 AI 서비스를 함께 실행할 실제 공유 비디오 컴퓨팅 호스트 구성에서 진행합니다. 관련 없는 작업은 프로덕션 환경에서도 예약을 분리할 경우에만 비활성화하세요.
가장 느린 스트림이 설정된 감지 속도의 최소 95%를 유지하고 p95 이벤트 지연 시간이 선택한 목표 범위 안에 들어오는 최대 카메라 수를 유지하세요. 동시에 발생하는 움직임과 보조 모델을 위해 감지기와 디코딩 용량의 20%를 여유 공간으로 확보하세요.
추천 제품
기술 및 AI 허브
더 읽어보기
로컬 RAG 검색 품질을 측정하고 재현율, 정밀도, 인용 범위를 해석하는 방법
로컬 RAG 테스트 세트를 구축하고, 핵심 검색 지표를 계산하며, 지표 간 트레이드오프를 해석하고, 답변의 주장이 인용된 근거로 뒷받침되는지 감사하세요.
동일한 샘플링 속도에서 센서 수가 증가할수록 스마트 홈 기능의 연산이 더 중요해지는 이유
장치 수가 늘어날 때 센서별 및 센서 간 연산을 추적하고, 비선형 융합 비용을 파악하며, 자동화가 지연되기 전에 특성 파이프라인을 벤치마킹하세요.
동일한 쿼리량에서 문서 라이브러리가 커질수록 RAG 평가 비용이 더 중요한 이유ાહી
사용자 쿼리가 늘지 않아도 코퍼스 규모가 커지면 RAG 평가 작업이 증가하는 이유와, 층화 테스트를 통해 비용을 위험도에 맞게 유지하는 방법을 이해하세요.
