TL;DR

레포는 다중 카메라 스트림을 수집해 YOLO 기반 소형 모델로 실시간 검출을 수행하고 필요 시 OpenAI 호환 대형 모델로 검수하는 자가 호스팅 영상 관제 플랫폼이다. RTSP와 GB28181을 포함한 카메라 프로토콜 지원과 ZLMediaKit 연동, FFmpeg 필요조건이 명시되어 있고 Python 3.10+ 환경에서 구동된다. 다각형布控과 5종 후처리 규칙으로 구조화된 스크린샷 알람을 생성하며 설치·실행·문제 해결 관련 절차가 README에 상세히 수록되어 있고 라이선스는 MIT로 상업적 사용이 허용된다. GitHub 상의 표시된 활성도는 스타 73개, 포크 22개로 확인된다.

핵심 포인트

• 이 저장소는 다중 스트림 비디오를 수집하고 분석하는 자가 호스팅 플랫폼으로 RTSP와 GB28181 프로토콜 입력을 지원하며 ZLMediaKit을 사용한 스트림 전송과 ONVIF 카메라 발견 기능을 함께 제공한다. 구성은 config.json과 settings.json으로 관리하고 FFmpeg 경로 설정이 필요하며 시스템 전체는 Python 3.10+ 환경에서 실행한다. 이러한 설계는 CCTV·NVR 등 기존 영상 인프라와 직접 연결해 실시간 스트리밍을 받아 처리하려는 환경에 적합하다.
• 지능형 분석은 YOLO-PyTorch, ONNX, OpenVINO로 구동하는 소형 모델을 기본으로 사용하고, 필요 시 OpenAI 호환 대형 모델로 판정 복수를 수행하는 구조를 채택한다. 사용자는 저장소의 웹 UI에서 소형 모델과 대형 모델을 업로드·설정하고, 비즈니스 알고리즘과 연계해 결과를 후처리하도록 구성할 수 있다. 이 방식은 경량 실시간 검출로 이벤트 후보를 빠르게 생성하고, 선택적 대형 모델 검토로 오탐을 줄이는 워크플로우를 반영한다.
• 알람과 감시는 다각형 영역 기반의布控(배치)과 5종 후처리 규칙(침입/역선/방향/밀도/체류)을 제공하며 스크린샷이 포함된 구조화된 알람을 생성한다. 서비스는 다국어 UI(7개 언어)와 관리 패널을 통해 스트림 시작·정지, 녹화 제어, 로그 확인 같은 운용 기능을 지원하고 필요 시 GPU를 활용할 수 있다. 알람은 비즈니스 알고리즘 규칙이 적중해야만 생성되므로 단순 검출이나 화면 운동만으로는 기록이 남지 않도록 설계되어 있다.
• 배포와 운영을 위해 README에 Windows·Linux용 의존성 설치 파일과 zlm 실행 문제 해결 절차가 상세히 포함되어 있으며, 실행은 python manage.py runserver로 시작하고 기본 포트와 관리자 계정이 명시되어 있다. 네이티브 바이너리(rebucca_zlm) 실행 권한 설정, libsrtp와 libssl 같은 시스템 라이브러리 설치 지침이 제공되어 있어 네트워크 미디어 서버와의 연동 설정이 반드시 필요하다. 오픈소스 라이선스는 MIT로 상업적 사용이 허용되어 현업 도입 시 라이선스 리스크가 낮다.

이미지 분석