수영장 수위 모니터 만들기

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

TL;DR

이 글은 Raspberry Pi, 휴대폰의 RTSP 카메라, 그리고 Roboflow 분류 모델로 수영장 수위 저하를 로컬에서 판정하는 방법을 실무적으로 설명한다. 구현은 Pi에 Docker를 설치하고 Roboflow의 CPU 전용 추론 컨테이너를 실행해 휴대폰 스트림을 받아 처리하는 흐름이며, 초기 문제로 GPU 의존 컨테이너가 Pi에서 크래시한 사례와 그 해결 방법을 구체적으로 다룬다. 클라우드로 비디오를 계속 전송할 필요가 없어서 대역폭과 프라이버시 측면에서 이점이 있고, 같은 구성으로 주말 안에 간단한 모니터를 만들 수 있다고 결론을 낸다.

섹션별 상세

수영장 수위 감시는 단순한 이진 판정 문제이므로 엣지에서 처리하기에 적합하다. 기사에서는 매번 밖에 나가서 눈으로 확인하는 대신 고정된 카메라와 분류 모델로 낮은 수위를 자동으로 판단하는 실제 사례를 설명한다. 이렇게 하면 지속적 비디오 스트리밍 없이 로컬에서 실시간으로 상태를 얻을 수 있다.

근거

로컬에서 프레임을 처리하면 하루 종일 비디오를 클라우드로 전송할 필요가 없어 대역폭·비용·프라이버시 이점이 있다. — 초반 문제 정의에서 'no reason to stream video to the cloud all day'라는 문장이 이 주장의 근거다.

필요 장비와 소프트웨어는 Raspberry Pi(저자는 Pi 5 사용), RTSP 스트리밍을 제공하는 휴대폰 앱 또는 저가형 RTSP 카메라, 같은 WiFi의 노트북과 무료 Roboflow 계정이다. 노트북은 SSH 접속과 대시보드 접근용으로 쓰이고 휴대폰은 무선 카메라 역할을 한다. Roboflow는 라벨링과 훈련, Workflow 생성을 담당한다.

bash

curl -fsSL https://get.docker.com | sh

Raspberry Pi에 Docker를 설치하는 간단한 일라인 스크립트이다. 기사에서는 이 스크립트로 Pi에 Docker를 깔아 Roboflow 추론 컨테이너를 실행할 준비를 했다. Pi가 동일한 네트워크에 있고 SSH로 접근 가능한 상태여야 설치와 이후 디버깅이 용이하다.

bash

sudo docker run -it --rm -p 9001:9001 roboflow/roboflow-inference-server-cpu

GPU 의존성이 없는 CPU 전용 Roboflow 추론 서버 이미지를 Pi에서 실행하는 명령이다. 기사에서는 초기의 GPU 의존 컨테이너가 반복적으로 크래시하자 이 CPU 전용 이미지를 사용해 문제를 해결했다. 로컬에서 포트 9001로 서버가 열리고 이후 Workflow로 프레임을 전달해 추론을 수행하게 된다.

근거

휴대폰의 RTSP 카메라 앱을 무선 카메라로 활용해 고정된 프레임을 Pi에 공급할 수 있다. — 필요 항목 목록에서 "A phone with an RTSP camera app"가 명시되어 있으며 이후 단계에서 해당 스트림을 사용해 로컬 추론을 수행한다고 설명한다.

Raspberry Pi에 Docker를 설치해 Roboflow 추론 서버를 컨테이너로 실행하는 방식이 핵심 구현 흐름이다. 기사에서는 get.docker.com 설치 스크립트로 Docker를 넣고 컨테이너를 띄운 뒤 각 프레임을 로컬에서 처리했다. Pi는 GPU가 없으므로 컨테이너 선택이 실행 안정성에 직접적인 영향을 미친다.

처음에 사용한 관리형 Roboflow Edge 컨테이너는 GPU와 TensorRT 의존성을 로드하려고 해서 Pi에서 계속 크래시했다. 문제 해결로 CPU 전용 Roboflow Inference 컨테이너로 전환했고 그 명령문을 통해 안정적으로 서버를 기동했다. 이 사례는 엣지 장치에 맞는 빌드·이미지 선택이 중요하다는 실무적 교훈을 제공한다.

근거

Raspberry Pi에서는 GPU 의존 컨테이너가 반복적으로 크래시하므로 CPU 전용 Roboflow 추론 컨테이너를 사용해야 한다. — 기사 본문 Step 1의 문제 상황 설명과 제시된 docker run 명령어(roboflow/roboflow-inference-server-cpu)를 근거로 삼으십시오.

전체 워크플로우는 데이터 라벨링과 모델 훈련을 Roboflow로 수행한 뒤 로컬 컨테이너에서 Workflow를 통해 RTSP 프레임을 받아 추론하는 흐름이다. 휴대폰의 RTSP 스트림을 Pi의 Docker 컨테이너가 받아들여 분류 결과만 반환하므로 대역폭과 개인정보 리스크를 줄일 수 있다. 이렇게 구성하면 주기적 경보나 호스 자동 제어 같은 후속 작업과 연계하기가 용이하다.

용어 해설

엣지 배포(Edge Deployment): — 모델 추론을 클라우드가 아닌 장치 근처(예: Raspberry Pi)에서 실행하는 방식으로, 네트워크 대역폭과 지연을 줄이며 개인정보 노출을 최소화한다. 고정된 카메라와 단순 판정(예/아니오) 같은 제약에서 효율적이다.
RTSP 카메라(RTSP Camera): — Real Time Streaming Protocol을 사용해 네트워크로 동영상 스트림을 전송하는 카메라로, 스마트폰의 RTSP 앱이나 저가형 보안 카메라를 무선 카메라로 활용할 때 쓰인다. 고정된 시야에서 지속 프레임을 공급하는 용도에 적합하다.
Docker: — 애플리케이션과 의존성을 컨테이너로 묶어 어디서나 동일하게 실행하게 하는 런타임 환경이다. 기사에서는 Pi에 Docker를 설치해 Roboflow의 추론 서버를 로컬 컨테이너로 실행하는 방법으로 사용한다.
분류 모델(Classification Model): — 이미지나 프레임을 입력받아 사전 정의된 클래스(예: 'water-ok' vs 'water-low') 중 하나를 출력하는 모델로, 단일 카메라로 수위 상태를 판정할 때 간단하고 빠르게 동작한다.
CPU 전용 추론(CPU-only Inference): — GPU나 TensorRT가 없는 장치에서 CPU만으로 모델을 실행하는 설정으로, Raspberry Pi 같은 소형 장치에서 안정적으로 컨테이너가 동작하게 하려면 CPU 전용 이미지를 사용해야 한다.

기술

Roboflow
Raspberry Pi
Docker
RTSP

활용 사례

가정용 수영장 수위 감시처럼 고정 카메라로 단순 상태를 판정해야 하는 모니터링에 적합하다. 로컬에서 분류 결과만 생성하면 외부 전송 데이터를 최소화할 수 있어 비용과 프라이버시 장점이 있다. 파이프라인을 확장하면 알림 전송 또는 자동 급수 제어로 연계할 수 있다.

언급된 리소스

문서get.docker.com 설치 스크립트

수영장 수위 모니터 만들기

TL;DR

섹션별 상세

용어 해설

기술

활용 사례

언급된 리소스

관련 토론

댓글

관련 기사

YOLO 기반 클라우드 대 엣지 객체검출 비교

소포 도난 방지 스마트 잠금함 제작

비디오 피드를 활용한 프로세스 모니터링 분석하기

CPU 전용 초저지연 비전 트래커