물리적 AI를 위한 시스템 설계: 카메라 개수가 커버리지가 아닌 이유와 폴별 증명 방법

이것은 공개 참조 아키텍처에 대한 엔지니어링 요약입니다. 이 논문, JSON 형태의 객체 모델 및 모델 레지스터는 CC BY 4.0 하에 재사용할 수 있습니다: [https://codeatoms.ai/test-site-camera-monitoring-us/]. 운영자는 이름이 아닌 클래스로 설명됩니다.

미국 차량 시험장에서는 테스트 차량을 표시된 회전 구간, 피트 진입로 및 사람이 걷는 교차로를 통과시킵니다. 이 곳의 카메라 시스템은 2013년에 구매되었으며 고장, 사각지대, 그리고 중복성 부족으로 인해 기능을 상실했고, 케이블 경로에 대한 다이어그램을 가진 사람이 아무도 없습니다. 해결할 수 없는 질문이 있습니다: 무언가 사건이 발생했을 때 모든 차량과 모든 사람이 어디에 있었는지 알 수 있는가, 그리고 30일 후에 그것을 다시 보여줄 수 있는가?

유혹적인 대답은 카메라 개수가 적힌 구매 주문서입니다. 여기에는 왜 이것이 잘못된 단위인지, 그리고 설계가 대신 무엇을 하는지 설명합니다.

1. 커버리지를 위해 먼저 조사한다. 카메라 개수는 커버리지가 아니다

필요한 픽셀로 모든 교차로, 피트 진입로, 회전 구간 및 접근 지점이 확보되는 것을 보여주는 커버리지 조사가 있기 전까지는 어떤 폴도 주문되지 않습니다. 저조도는 예산으로 취급되며, 설치 기하학이 각 헤드가 실제로 무엇을 볼 수 있는지 결정합니다. 모든 사각지대는 기하학적으로 닫히거나 서면으로 승인됩니다. 조사 증거 패키지는 1단계 퇴장 게이트이며, 따라서 실패할 경우 위험에 처한 돈은 여전히 적습니다.

2. 폴당 두 가닥, 한 개의 방을 품다

40개에서 60개의 폴에는 고정된 열화상 및 가시광 헤드가 설치되며, 무선 라디오는 없습니다. 각 장치는 관리형 스위치로부터 Power over Ethernet(PoE)으로 전원을 공급받고 있으며, NEMA 등급의 인클로저와 폴에 단계별 변압기 전원이 공급됩니다. 새로운 지하 단일 모드 광섬유가 모든 폴까지 두 가닥을 끌어오며, 운영자의 자체 종단 건물에 도착하고 그곳에 기록 계층이 조건화된 서버실에 위치합니다. 모든 헤드는 구매 전에 Section 889에 따라 구성 요소별 자재 명세서(bill of materials)로 검토되며, 어댑터는 프로비저닝되지 않은 장치는 거부합니다.

3. 완전히 소유하는 N+1 기록기

4. 단일 검출기, 사후 검색

이 시설은 수동적입니다: 사람들이 관찰하고 알람을 울리는 것은 없으므로, 실시간 경로에 모델이 자리 잡지 않습니다. D-FINE은 코드와 가중치 모두 Apache-2.0 라이선스를 따르며, 안전 사무실에서 차량 근처의 사람과 같은 질문이 있을 때 아카이브 전체를 검색합니다. 이 모델의 가중치는 N 등급 기준 약 8MB이고 X 등급 기준 124MB이며, 이는 실제 예산인 디코딩에 비해 48GB 카드에서의 반올림 오차입니다. RF-DETR은 XL 등급이 플랫폼 라이선스 하에 있기 때문에 제외되었습니다.

5. 비용과 결코 발생하지 않는 비용

전체 시설을 소유하는 데는 공공 목록 가격 기준으로 3년간 약 474,000달러에서 871,000달러가 들며, 카메라 헤드가 대부분의 비용을 차지합니다: 열화상 및 가시광 헤드는 폴당 7천 달러에서 8천 달러입니다. 컴퓨팅은 작은 부분입니다. L40S급 카드 각 개를 갖춘 녹화기 호스트 두 대는 3년간 약 32,600달러가 들며, 이는 가장 깊은 3년 AWS 커밋먼트로 동일한 두 카드를 임대하는 비용의 약 4/5에 해당하며, 이 임대 금액에는 영상이 저장되지 않습니다. 결코 발생하지 않는 비용은 카메라당 라이선스입니다: 녹화기는 오픈 소스이고 검출기는 Apache-2.0이므로, 61번째 폴을 추가해도 하드웨어만 추가될 뿐 다른 것은 없습니다.

6. 카메라당 수용, 사용 사례별 수용

카메라 가동 시간은 재실행 가능한 분기별 승인 테스트의 주요 지표이며, 시설은 한 번에 하나의 사용 사례로 승인됩니다: 근무 교대 기간 동안 관찰되는 보행자 횡단, 30일간의 영상을 통해 재구성된 테스트 주기. 마지막 단계는 적절한 시간의 적절한 카메라에서 올바른 클립을 반환하는 포렌식 검색입니다.

전체 설계, 수치, 모든 가격이 명시된 비용 부록, 그리고 15개 객체 모델은 다음 논문에서 확인할 수 있습니다: the paper. DOI: https://doi.org/10.5281/zenodo.23296077

이 15개의 객체는 [industrial ontology examples] 컬렉션의 다른 모든 게시된 객체 모델 옆에 자리하고 있습니다.

CodeNinja Praxis에서 설계되었으며, 물리적 AI 시스템을 설계하기 위한 CodeNinja Atoms 플랫폼입니다. 이 객체 모델은 Hyper Ontology로 가져와져 살아있는 시스템으로 변환됩니다. 오픈된 hyper-ontology loader를 사용하여 직접 로드할 수 있습니다.