Physical World
현실 공간 속 사람과 동물, 사물은 한순간도 멈추지 않고 움직이고 변화합니다.
본 영상은 Omni-Sync 기술의 이해를 돕기 위해 AI로 제작된 예시 영상입니다.
현실 세계와 디지털 세계를 동기화합니다.
Omni-Sync는 AI 비전 기술을 기반으로 여러 카메라의 정보를 하나의 연결된 공간으로 통합합니다. 사람·동물·사물이 한 카메라의 화면을 벗어나 다른 카메라에 나타나도 이동 흐름을 이어서 분석합니다. 이를 통해 공간의 혼잡도와 대기 시간 등 현장의 상황을 파악하고, 효율적인 운영과 의사결정을 돕습니다.
Omni-Sync의 핵심은 동기화입니다.
현실 세계는 끊임없이 이동하고 변화합니다. 카메라 한 대의 영상만으로 객체가 화면 밖으로 사라지는 순간 정보의 연속성도 사라집니다. Omni-Sync는 여러 카메라와 센서의 데이터를 연결하여 이러한 단절을 최소화합니다.
카메라 · 뎁스 카메라 · 센서
현장에 설치된 장비가 현실 공간의 변화를 가장 먼저 포착합니다.
감지
영상 속에서 사람·동물·사물을 실시간으로 찾아냅니다.
추적
찾아낸 객체에 고유 ID를 부여해 이동을 계속 따라갑니다.
동기화
여러 카메라에 흩어진 관측 결과를 하나의 객체 기록으로 연결합니다.
측정
위치·행동·상태 등 객체의 세부 속성을 기록합니다.
이해
축적된 데이터로 공간과 객체의 의미를 해석합니다.
Digital Intelligence
현실의 변화를 검색하고 추론할 수 있는 데이터로 완성됩니다.
감지된 데이터를 동기화하고 객체와 시간의 의미를 이해합니다.
여러 카메라의 관측 결과를 하나의 좌표계로 정렬하고, 카메라 외의 센서 데이터를 더하며, 객체의 속성과 시간에 따른 변화를 함께 분석해 현실 공간을 깊이 있게 이해합니다.
공간 동기화
영상 좌표를 현실 공간으로 전환합니다.
각 카메라에서 관찰된 객체의 위치를 실제 공간 좌표와 연결합니다. 단순한 화면상의 픽셀 위치가 아닌, 현실 공간에서 객체가 어디에 있고, 어디로 이동하며, 어떤 영역에 얼마나 오래 머물렀는지를 분석할 수 있습니다.
여러 카메라의 데이터를 동일한 공간 기준으로 정렬함으로써 현실 공간을 하나의 디지털 공간 지도로 재구성합니다.
센서 융합
카메라를 넘어, 다양한 현실 데이터를 하나로 연결합니다.
Omni-Sync가 다루는 데이터는 RGB 카메라 영상에 한정되지 않습니다. 측정 목적에 따라 심도(Depth), 열화상, 라이다, 레이더, 환경 IoT 센서 등을 더해 공간과 객체에 대한 정보를 확장할 수 있습니다.
RGB 영상으로 객체를 식별하면서 심도 데이터로 실제 거리와 크기를 측정하는 것처럼, 서로 다른 센서의 데이터를 하나의 현실 정보로 연결합니다.
시간축 인텔리전스
순간이 아니라, 변화의 흐름을 이해합니다.
현실 세계에서 의미 있는 정보는 한 순간의 상태보다 시간에 따른 변화에서 나오는 경우가 많습니다. Omni-Sync는 객체별 데이터를 시간축으로 누적해, 이동 패턴과 반복 행동, 체류시간, 시간대별 공간 사용과 같은 변화를 함께 분석합니다.
이를 통해 한 장면을 분석하는 기술을 넘어, 현실 세계의 변화 이력을 기록하고 이해하는 기술로 확장됩니다.
여러 카메라로 현실 속 객체를
감지하고 추적합니다.
여러 카메라에 흩어진 시야를 하나의 공간으로 연결하고, 객체가 카메라를 벗어나도 추적을 이어가는 것에서 Omni-Sync의 분석이 시작됩니다.
1 / 3
하나의 카메라가 아닌 공간 전체를 봅니다.
현실의 객체는 하나의 카메라 안에 머물지 않습니다. Omni-Sync는 여러 카메라의 영상을 동시에 분석하여 각각의 시야를 하나의 공간 정보로 연결합니다.
카메라 수가 증가할수록 감지 가능한 공간도 함께 확장됩니다. 고정된 단일 카메라의 화각에 제한되지 않고, 필요한 영역에 카메라와 센서를 추가하여 감지 범위를 유연하게 확장할 수 있습니다.
현장에서 빠르고 안전하게
동작합니다.
분석은 현장의 Edge에서 즉시 이루어지며, 얼굴 등 민감 정보 없이 꼭 필요한 데이터만 남기는 구조로 설계되어 안전하게 운영됩니다.
인텔리전스는 현장에서 즉시 작동합니다.
Omni-Sync는 분석의 상당 부분을 현장의 엣지 컴퓨터에서 수행하도록 설계됩니다. 영상 전체를 중앙 서버나 클라우드로 전송한 뒤 분석하는 구조가 아니라, 데이터가 생성되는 현장 가까이에서 AI 추론을 수행합니다.
네트워크 상태에 대한 의존도를 낮추면서 현장에서 빠른 판단과 대응이 가능합니다.
분석 결과를 운영에 연결하고
산업 전반으로 확장합니다.
의미 있는 변화는 실시간 이벤트로 전환되어 운영 시스템과 연결되고, LLM과 결합해 자연어로 질문할 수 있으며, 카메라와 센서를 늘리는 만큼 적용 범위도 함께 확장됩니다.
상태의 변화를 이벤트로 바꿉니다.
Omni-Sync는 객체와 공간 데이터를 기반으로 의미 있는 조건을 판단할 수 있습니다. 특정 공간의 인원 초과, 위험 구역 진입, 비정상적으로 긴 체류시간 같은 상황을 이벤트로 생성할 수 있습니다.
실시간 알림
실시간 알림은 조건을 벗어나는 순간을 감지하는 즉시 담당자에게 전달합니다. 화면을 지켜보지 않아도, 필요한 순간에 필요한 사람에게 정보가 먼저 찾아갑니다.
대시보드
대시보드는 흩어진 데이터를 현장 단위, 시간 단위로 정리해 한 화면에서 확인할 수 있게 만듭니다. 여러 곳을 오가지 않아도, 하나의 화면이 전체 현장을 대신 보여줍니다.
API 연동
분석된 데이터가 아무리 정확해도, 그 데이터가 갇혀 있으면 활용할 수 있는 곳이 제한됩니다. API 연동은 분석 결과를 표준화된 방식으로 외부 시스템에 그대로 전달합니다.
현장 Edge AI 처리
알림도, 연동도, 제어도 모두 반응 속도가 생명입니다. 판단이 클라우드를 오가며 지연되면, 그 사이 이미 상황은 지나가버립니다. 현장 Edge AI 처리는 판단과 실행을 클라우드가 아닌 현장에서 직접 수행합니다.
구역별 점유와 혼잡도
카메라 한 대는 그 카메라가 비추는 좁은 범위만 보여줍니다. 하지만 실제 공간은 여러 시야가 겹치고 이어지며 만들어집니다. 어느 구역에 사람이 몰려 있고 어느 구역이 비어 있는지는 개별 카메라 화면만 봐서는 알 수 없습니다. 구역별 점유와 혼잡도는 여러 카메라에서 감지된 개체수를 공간 단위로 통합해, 지금 이 구역이 얼마나 붐비는지를 하나의 지표로 만듭니다. 흩어진 화면이 아닌, 공간 전체의 밀도를 확인합니다.
사람이 지나가는 것과 머무는 것은 다른 신호입니다.
짧게 스쳐 지나가는 사람과 한 자리에 오래 서 있는 사람은 현장에서 전혀 다른 의미를 가지지만, 단순한 개체 검출만으로는 이 둘을 구분할 수 없습니다. 대기열과 체류시간은 개체가 한 구역에 머무는 시간을 계산해, 대기가 발생하고 있는지 단순히 지나가는 흐름인지를 구분합니다. 이제 영상을 분석해 기다림이라는 상황으로 읽힙니다.
여러 카메라의 정보를 하나의 흐름으로 연결합니다.
카메라가 여러 대 설치된 현장에서는 같은 사람이 여러 카메라에 동시에, 혹은 순차적으로 잡힙니다. 멀티카메라 데이터 연결은 서로 다른 카메라에서 들어온 정보를 하나의 공간 좌표 위에서 통합해, 중복 없이 하나의 흐름으로 만듭니다. 여러 개의 시선이 비로소 하나의 공간이 됩니다.
쌓이기만 하던 데이터가 판단으로 이어집니다.
데이터가 아무리 정확하게 쌓여도, 사람이 계속 들여다보지 않으면 의미가 없습니다. 혼잡도가 임계치를 넘었는지, 정해진 시간 이상 한 자리에 머무는 대상이 있는지는 지켜보지 않는 이상 놓치기 쉽습니다. 이상상태와 조건 판단은 미리 정의한 기준에 따라 데이터를 실시간으로 검토해, 조건을 벗어나는 순간을 자동으로 짚어냅니다.
현실 세계의 기록을 AI가 이해할 수 있는 데이터로
일반적인 CCTV 영상은 사람이 직접 확인하기 전에는 활용하기 어렵습니다. Omni-Sync는 영상 속 사건을 객체 중심의 구조화된 데이터로 전환합니다. 이 데이터는 LLM 및 AI 에이전트와 연결되어, 운영자는 영상 전체를 직접 확인하는 대신 자연어로 질문할 수 있습니다.
하나의 기술이 서로 다른
인텔리전스로 확장됩니다.
01 / 03
