1. 시스템 개요 및 하드웨어 구성 (Introduction & Hardware)

초소형 엣지 환경에서 복잡한 비전 AI 모델을 구동하기 위해 STM32N657 신경망 처리 장치(NPU)가 탑재된 모듈을 사용하였다. 모든 연산과 계수(Counting) 알고리즘은 장치 내부에서 즉각적으로 처리되며, 결과값은 Web UI 및 UART를 통해 출력된다.

▲ Figure 1. 실증 연구에 사용된 CamThink NE301 엣지 AI 모듈 (STM32N657 NPU 탑재)

• ON-DEVICE 처리: 영상 데이터를 클라우드로 전송하지 않으므로 네트워크 지연(Latency)이 없고 개인정보 보호에 유리하다.
• 확장성 (Extensibility): 기본 고정 ROI 검증을 시작으로, 사용자가 설정 가능한 영역 지정, 다중 객체 트래킹(Tracking), PIR 센서 기동 및 MQTT 기반의 결과 전송 아키텍처로 유연한 확장이 가능하다.

2. 모델 최적화 및 성능 지표 (Performance Metrics)

원본 YOLOv8 Nano 모델(FP32)을 하드웨어 NPU 아키텍처에 맞추어 8-bit 정수형(INT8)으로 양자화(Quantization)하였다. 이를 통해 메모리 점유율을 대폭 낮추면서도 정확도 하락폭을 1% 내외로 방어하였다.

3. 실증 동작 테스트 (Empirical Results)

테스트 환경에서 실시간으로 사람을 감지하고, 지정된 ROI 내의 인원과 전체 검출 인원(TOTAL)을 정확히 계수하는지 검증하였다. 녹색 Bounding Box를 통해 객체 인식 상태를 시각화하여 확인한다.

[Case 1] 다중 인원 (4명) 감지

▲ Figure 2. ROI 내 4명, 전체 화면 4명의 다중 객체가 겹치고 교차하는 상황에서도 오차 없이 독립적인 사람 객체로 분리하여 검출 및 계수(ROI: 4 / TOTAL: 4)하였다.

[Case 2] 다중 인원 (2명) 감지

▲ Figure 3. 실시간으로 인원이 감소하여 2명만 존재하는 상황. 엣지 디바이스 자체 추론을 통해 즉각적으로 인원 변동(ROI: 2 / TOTAL: 2)을 반영하였다.

4. 결론 (Conclusion)

본 실증 연구를 통해 CamThink NE301의 NPU 가속을 이용한 온디바이스 AI 비전 시스템은 서버와의 통신 지연 없이 다수의 사람을 실시간으로 식별하고 계수할 수 있음을 증명하였다. 이는 스마트 공간의 밀집도 분석이나 자율 무인 환경 구축에 즉각적으로 도입될 수 있는 신뢰성 높은 기반 기술이다.