3주차 - Jhyemin06/Embedded-System_2026 GitHub Wiki

에지 AI(Edge AI) 및 물리보안 기술 동향

1. 개요 및 AI 처리 위치의 변화

AI 기술은 기존 클라우드(Cloud) 중심의 대규모 데이터 처리 방식에서 데이터가 발생하는 현장 중심으로 이동하고 있음. 동시에 단순 객체 탐지(Detection) 수준을 넘어 상황 이해(VLM), 추론/계획(Agentic AI), 자율 제어(Physical AI) 단계로 발전하는 추세임.

  • Cloud AI: 데이터센터에서 대형 모델을 다루며 대규모 학습 및 분석에 적합하지만, 높은 네트워크 의존성과 응답 지연, 대역폭 비용, 개인정보 보호 이슈가 존재함.
  • Edge AI: 현장 게이트웨이나 서버에서 중소형 모델을 실행하며, 네트워크 부담 절감, 낮은 지연 시간, 보안 및 개인정보 강화를 제공함.
  • On-Device AI: 카메라나 단말기 내부에서 경량화·최적화된 모델을 직접 실행하며 최저 수준의 지연과 최소한의 데이터 이동을 보장함.

Cloud와 Edge는 상호 경쟁 관계가 아니라, 업무 특성에 따른 역할 분담 관계임.

2. 물리보안 분야에서 Edge AI가 중요한 이유

물리보안 시스템에서 Edge AI 도입이 핵심인 이유는 다음과 같음:

  1. 실시간성: 네트워크 지연 없이 즉각적인 탐지와 대응으로 사고 예방 가능.
  2. 대규모 데이터 효율화: 방대한 CCTV 영상 중 현장에서 필요한 메타데이터나 이벤트 정보(소량 데이터)만 서버로 전송하여 대역폭을 절감.
  3. 개인정보 보호: 원본 영상이 외부로 전송되지 않아 유출 위험을 최소화.
  4. 네트워크 독립성: 네트워크 장애 시에도 독립적이고 안정적으로 운영 가능.

3. Edge AI 하드웨어 및 SW 스택

핵심 하드웨어 구조 (SoC & NPU)

  • NPU (Neural Processing Unit): 신경망 연산을 가속화하여 AI 추론에 특화되어 고효율을 제공함.
  • 고려 기준: 단순 연산 성능(TOPS) 외에도 메모리 대역폭, 전력 소모, 발열, 코덱, SDK 생태계 등을 종합적으로 고려해야 함.

주요 HW 플랫폼 비교

  • NVIDIA Jetson: 높은 AI 성능, CUDA/TensorRT 기반 생태계 지원. 고성능 비전 AI, 로보틱스, 대규모 모델 추론에 적합함.
  • Raspberry Pi + Hailo: 저전력·저비용 구조로 실시간 비전 추론 및 스마트 홈/IoT 분야에 강점을 가짐.
  • Orange Pi: 가성비 및 다양한 인터페이스/확장성을 갖춘 플랫폼임.
  • ODROID: 컴팩트한 산업·임베디드 환경에 최적화된 게이트웨이 및 추론 플랫폼임.

소프트웨어 및 모델 경량화 기술

  • SW 스택: PyTorch/TensorFlow 모델 → ONNX 변환 → Vendor Compiler (TensorRT, Hailo Compiler, RKNN 등) 최적화 → Runtime 실행 과정을 거침.
  • 경량화 기법:
    • Quantization (양자화): 정밀도(FP32 → INT8/INT4)를 조정해 메모리와 연산량 절감
    • Pruning (가지치기): 불필요한 가중치 제거
    • Knowledge Distillation (지식 증류): 대형 모델의 지식을 경량 모델로 전이
    • Architecture Optimization: MobileNet, YOLO Nano, Small VLM 등 모바일/엣지 맞춤 아키텍처 활용

4. 물리보안 적용 기술의 세대별 진화 (1세대 ~ 4세대)

구분 적용 단계 주요 특징 및 기능
1세대 객체 탐지 (Detection) CNN, YOLO 기반 객체 검출, 트래킹, 침입/배회/화재 감지 등 룰 기반 알림
2세대 행동 및 상황 분석 이동 경로 및 방향 분석, 낙상(넘어짐) 감지, 싸움/폭력 상황 판단
3세대 멀티모달 (Multimodal) RGB 영상 + 열화상/레이더/오디오/환경 센서를 융합하여 오탐률 감소
4세대 VLM & AI Agent 영상과 자연어를 함께 이해(Scene Understanding)하여 위험 상황 추론 및 자율 의사결정 수행
  • 1세대

4세대 On-Device VLM 구현 방식: 전체 프레임은 경량 AI로 빠르게 처리하고, 위험 이벤트 후보만 선별하여 VLM으로 정밀 분석하는 방식을 사용함.

5. 산업 현장 적용 사례

  • 한화비전 × CJ대한통운: 물류센터 현장에 지능형 AI CCTV를 적용해 PPE 미착용, 쓰러짐, 위험구역 진입을 에지 자체 분석 후 실시간 알림.
  • SK쉴더스 (ADT캡스): 자체 Edge AI 기반 CCTV를 통해 침입, 배회, 방화 등을 실시간 탐지.
  • Axis Communications: On-Camera AI 구조를 적용하여 영상 대신 메타데이터와 이벤트 결과만 전송해 대역폭 절감.
  • NVIDIA Metropolis: Visual AI Agent를 통해 관제요원의 자연어 질문("지난 30분 동안 이상상황 찾아줘")을 해석하고 요약 리포트 제공.

6. Edge AI 도입 시 판단 요건

  1. 무엇을 판단할 것인가?: 객체(Object), 행동(Behavior), 맥락(Situation) 정의
  2. 지연시간 범위: 10ms, 100ms, 1s 등 요구되는 응답 속도 확인
  3. 처리 위치: Camera, Edge, Cloud 중 장단점 및 비용 비교
  4. AI 및 HW 선정: 정확도, 모델 크기, 전력 소모, 발열, SDK 연동성 검토
  5. 제품화 가능성: 방열 설계, 보안(Secure Boot), Remote OTA 업데이트 관리 수립

가장 연산 성능(TOPS)이 높은 AI가 아니라, 필요한 기능을 현장에서 안정적으로 실행하는 시스템이 좋은 Edge AI이다.

라즈베리파이4 OS 설치

라즈베리파이 사이트에 들어가 설치 준비를 한다.

https://www.raspberrypi.com/software/

라즈베리 파이 장치 선택

라즈베리 파이4 장치를 사용할 것이기에 '라즈베리파이4' 선택

운영체제 선택

컴퓨터에 맞게 64 bit 선택

저장장치 선택

SD카드 준비 후 SD카드에 설치 한다.

사용자 지정

사용자 이름과 호스트 이름은 같지 않아도 된다.

쓰기 완료