이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
TL;DR
부모가 촬영한 어린이 축구 경기 영상에서 원하는 선수의 하이라이트를 자동으로 추출하는 파이프라인을 구현하는 튜토리얼이다. 핵심 처리 흐름은 Roboflow Workflow에 배포된 두 개의 RF-DETR 모델로 선수·공·골대를 검출하고 BoT-SORT로 프레임 간 트랙을 연결한 뒤 로컬 Python 파이프라인에서 저지 번호 집계와 신원 스티칭, 득점 판정, 클립 컷팅을 수행하는 방식이다. FastAPI로 소형 웹 인터페이스를 제공해 사용자가 비디오를 업로드하고 한 번의 클릭으로 자녀를 지정하면 완성된 하이라이트 릴을 반환하도록 설계되어 있으며 재현을 위해 GitHub 저장소가 함께 제공된다.
섹션별 상세
이 튜토리얼은 부모가 경기 영상을 업로드하면 자동으로 자녀가 포함된 하이라이트 클립을 추출해주는 목적으로 설계된 엔드투엔드 파이프라인을 제시한다. 입력으로는 경기 비디오 파일이 사용되며, 처리 파이프라인은 Roboflow Workflow에 배포된 모델과 로컬 Python 코드의 조합으로 구성된다. 최종 출력은 각 목표 플레이나 자녀가 관여한 장면을 잘라 모은 하이라이트 릴이며, 튜토리얼은 이를 재현 가능한 방식으로 만들기 위해 GitHub 저장소를 제공한다.
영상 내 객체 검출과 추적은 두 개의 RF-DETR 모델과 BoT-SORT를 조합해 수행되며, 한 모델은 선수·공·골대를 검출하고 다른 모델은 저지 숫자를 판독하는 입력을 만든다. 검출 결과는 프레임 단위 바운딩 박스 형태로 출력되고 BoT-SORT는 이 박스들을 프레임 간에 연결해 동일 선수의 트랙을 생성한다. 이 트랙 정보가 downstream의 저지 번호 집계와 동일인 식별, 득점 장면 탐지의 기초 데이터로 사용된다.
근거
- Detection and tracking run in a Roboflow Workflow on two trained models. — 초반 요약 문단에 'Detection and tracking run in a Roboflow Workflow on two trained models'로 명시됨
검출·추적 이후의 모든 처리 단계는 로컬 Python 파이프라인에서 실행되어 저지 번호 투표, 신원 스티칭, 득점 판정, 클립 컷팅을 순차적으로 수행한다. 이 파이프라인은 검출 프레임과 트랙 ID를 입력으로 받아 특정 선수의 연관 프레임을 모아 타임라인 기반 클립을 생성하며, FastAPI로 구축된 소형 웹 앱은 사용자가 비디오를 업로드하고 자녀를 클릭하면 파이프라인 실행을 트리거해 결과 클립을 반환한다. 전체 구조는 실무적으로 저지 판독 오류를 보정하고 한 아이의 모든 플레이를 묶어주는 자동화된 워크플로우를 구현하는 데 중점을 둔다.
용어 해설
- RF-DETR
- — RF-DETR은 객체 검출을 위해 Transformer 기반의 DETR 계열 접근법을 Roboflow 환경에 맞게 적용한 물체 감지 모델로서, 입력 프레임에서 선수와 공과 골대를 바운딩 박스로 출력하여 이후 추적·후처리 파이프라인의 입력으로 사용된다. 학습 시 Roboflow UI에서 주석 데이터를 사용해 커스텀 클래스를 학습시키며 실시간 또는 배치 비디오 분석에서 감지 성능이 핵심이다. 이 파이프라인에서는 선수와 저지 숫자 검출을 위해 별도의 RF-DETR 모델 두 개가 병렬로 동작한다.
- BoT-SORT
- — BoT-SORT는 객체 검출 결과를 프레임 간에 일관되게 연결하기 위해 이동성 추정과 데이터 연속성 기반의 ID 어소시에이션을 수행하는 다중 객체 추적 알고리즘이다. 검출된 바운딩 박스와 프레임 간의 모션 정보를 결합해 동일 대상을 지속적으로 추적하며 ID 스위칭을 줄이는 것이 목적이다. 본 튜토리얼에서는 선수별 활동 클립을 만들기 위해 검출 결과를 시간축에서 하나의 트랙으로 연결하는 데 사용된다.
- Roboflow Workflow
- — Roboflow Workflow는 학습된 모델을 호스팅하고 입력 영상을 연속적으로 처리할 수 있게 하는 플랫폼 구성요소로서, 여러 모델을 순차 또는 병렬로 실행하고 추적 엔진과 연동하는 작업 흐름을 관리한다. 이 환경에서 감지 모델들이 배포되어 실시간 또는 배치 처리로 프레임별 검출을 반환하며 downstream 파이프라인과 인터페이스한다. 이 튜토리얼에서는 감지와 추적을 Roboflow Workflow 내부에서 실행하고 후처리만 로컬에서 수행한다는 점이 핵심이다.
- FastAPI
- — FastAPI는 비동기 요청 처리가 가능하고 경량 API 서버를 신속히 구성할 수 있는 Python 기반 웹 프레임워크로서, 파일 업로드와 간단한 사용자 인터페이스를 통해 비디오 업로드와 하이라이트 요청을 수신하는 데 사용된다. 이 튜토리얼에서는 부모가 비디오를 업로드하고 한 번의 클릭으로 자녀를 지정하면 서버가 후속 파이프라인 실행을 트리거하도록 FastAPI가 웹 엔드포인트 역할을 한다. 경량성으로 인해 로컬에서 호스팅하여 신속한 피드백 루프를 구축하는 목적에 적합하다.
기술
- RF-DETR
- BoT-SORT
- Roboflow Workflow
- FastAPI
- Python
활용 사례
- 어린이 스포츠 경기 하이라이트 자동 생성
- 가정용 경기 영상 요약 및 공유
- 스포츠 이벤트에서 선수별 하이라이트 수집
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 07. 23.수집 2026. 07. 23.출처 타입 RSS
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.