실시간 비디오 분석을 위한 RTSP 스트림 처리 파이프라인 구축

섹션별 상세

RTSP 스트림은 프레임이 끊임없이 유입되어 추론이 지연될 경우 버퍼에 오래된 영상이 쌓이는 문제가 발생한다.

StreamReader 클래스는 백그라운드 스레드에서 프레임을 지속적으로 읽어 버퍼를 비우고, 메인 스레드는 항상 최신 프레임만 가져와 처리한다.

python

class StreamReader:
    def __init__(self, rtsp_url: str, reconnect_delay: int = 5, watchdog_timeout: int = 10):
        self.rtsp_url = rtsp_url
        self.reconnect_delay = reconnect_delay
        self.watchdog_timeout = watchdog_timeout
        self.frame = None
        self.last_frame_time = None
        self.running = False
        self.cap = None
        self.fps = 30.0
        self._lock = threading.Lock()
        self._thread = None

    def start(self):
        self.running = True
        self._thread = threading.Thread(target=self._read_loop, daemon=True)
        self._thread.start()
        return self

백그라운드 스레드에서 RTSP 스트림을 지속적으로 읽어 최신 프레임을 유지하는 StreamReader 클래스 초기화 및 시작 로직

카메라 소스에서 추론까지의 데이터 흐름을 나타내는 다이어그램. — Diagram백그라운드 스레드와 메인 스레드 간의 데이터 공유(Shared Slot) 구조를 시각화하여 프로듀서-컨슈머 패턴을 설명한다.

Roboflow Inference Docker 컨테이너는 로컬 서버로 작동하며, API 호출을 통해 프레임 단위로 추론 결과를 반환한다.

python

class FireSmokeDetector:
    def __init__(self, api_url: str, api_key: str, model_id: str, confidence: float = 0.4):
        self.model_id = model_id
        self.confidence = confidence
        self.client = InferenceHTTPClient(
            api_url=api_url,
            api_key=api_key,
        )

    def predict(self, frame: np.ndarray) -> dict:
        try:
            result = self.client.infer(frame, model_id=self.model_id)
            result["predictions"] = [
                p for p in result.get("predictions", []) if p["confidence"] >= self.confidence
            ]
            return result

Roboflow Inference 서버와 통신하여 프레임에 대한 추론을 수행하는 FireSmokeDetector 클래스

watchdog 메커니즘을 통해 스트림 연결이 끊기면 자동으로 재연결을 시도하여 시스템의 가용성을 확보한다.

MediaMTX와 FFmpeg를 사용하여 실제 카메라 없이도 로컬 환경에서 RTSP 스트림 파이프라인을 테스트할 수 있다.

이미지 분석

Other
실시간 비디오 분석을 위한 RTSP 스트림 처리의 중요성을 강조하며, 산불 감지 등 구체적인 활용 사례를 암시한다.
RTSP 스트림 처리 파이프라인의 핵심 개념을 보여주는 제목 이미지.

용어 해설

실시간 스트리밍 프로토콜(RTSP): — 멀티미디어 데이터를 소스에서 클라이언트로 전송하기 위한 네트워크 프로토콜이다. IP 카메라 영상 스트리밍에 주로 사용되며, 실시간 데이터 처리를 위해 별도의 버퍼 관리와 스레딩 전략이 필요하다.
생산자-소비자 패턴(Producer-Consumer Pattern): — 데이터를 생성하는 스레드(생산자)와 이를 처리하는 스레드(소비자)를 분리하여 비동기로 동작하게 하는 설계 패턴이다. 영상 스트림 처리 시 버퍼 지연을 방지하고 최신 프레임을 유지하는 데 필수적이다.
추론 서버(Inference Server): — 학습된 모델을 로드하여 외부 요청에 대해 예측 결과를 반환하는 서버이다. Docker 컨테이너 형태로 배포되어 엣지 디바이스에서 독립적으로 실행되며, 파이프라인의 추론 부하를 분산한다.

기술

Roboflow Inference
OpenCV
Python
Docker
FFmpeg
MediaMTX
Supervision

활용 사례

산불 연기 감지
실시간 비디오 분석
엣지 AI 추론

언급된 리소스

DemoRoboflow Universe

GitHubRoboflow Inference GitHub