본문 바로가기

전체 글

Python으로 구현한 상품 수집 서버 실시간 로그 분석 및 자동 알림 시스템 1. 상품 수집 서버의 안정성이 곧 비즈니스의 수익이다해외구매대행 사업의 핵심은 수만 개의 상품 데이터를 얼마나 빠르고 정확하게 수집하느냐에 달려 있다. 나는 중국 쇼핑몰의 데이터를 24시간 수집하기 위해 파이썬 기반의 상품 수집 자동화 서버를 운영 중이다. 하지만 서버는 언제나 예기치 못한 이유로 멈출 수 있다. 네트워크 오류나 사이트 구조의 미세한 변화로 수집 스크립트가 멈췄을 때, 이를 뒤늦게 발견하는 것은 비즈니스에 있어 치명적인 기회비용 발생을 의미한다. 이를 방지하기 위해 실시간 로그 분석과 자동 알림 시스템 구축은 선택이 아닌 필수였다.2. 왜 이 기술들을 선택했는가: 설계 의도2.1. Watchdog: CPU 자원을 아끼는 이벤트 기반 감시로그를 감시하는 가장 단순한 방법은 무한 루프를 돌.. 더보기
실제 모바일 영상 처리 실습에서 느낀 한계와 TensorFlow Lite 적용 후기 모바일 환경에서 영상 처리를 해야 하는 상황이 생겼다.처음에는 OpenCV만으로도 충분하지 않을까 생각했다. 실제로 간단한 테스트까지는 문제없이 돌아갔다. 그런데 프레임이 조금만 많아지거나, 모바일 환경을 고려하기 시작하니 생각보다 한계가 분명해졌다.그래서 TensorFlow Lite까지 보게 됐다.솔직히 말하면, 프레임 처리 부분에서 한참 헤맸다. 모바일 환경에서는 로그 하나 보는 것조차 번거로워서, 어떤 접근이 옳은지 판단하는 데 시간이 오래 걸렸다. 자료를 찾아보면 굉장히 가볍고 빠를 것처럼 보이는데, 막상 직접 써보니 생각보다 손볼 게 많았다. ‘모바일에 최적화됐다’는 말과 실제 적용 사이에는 꽤 거리가 있었다.예상과 현실 차이 — 예상보다 쉽지 않았던 이유문서나 예제만 봤을 때는 구조가 단순해 .. 더보기
Python으로 영상 기반 감정 인식 실습을 하며 느낀 현실적인 한계 영상에서 사람의 감정을 인식해야 하는 상황이 생겼다.정확도가 아주 높을 필요는 없었고, “대략적인 분위기”만 파악하면 되는 목적이었다.그래서 처음에는 비교적 접근이 쉬운 Python 기반 감정 인식 모델부터 살펴보게 됐다.자료를 찾아보면 이미 잘 정리된 예제도 많고,웹캠 하나만 있으면 바로 동작하는 것처럼 보였다.솔직히 말하면, 시작하기 전까지는 그렇게 복잡한 작업일 거라고 생각하지 않았다.막상 해보니 생각보다 고려해야 할 부분이 많았다.시작 전에 기대했던 것과 실제의 차이문서나 예제에서는 감정 인식이 꽤 단순해 보였다.프레임을 받아서 얼굴을 검출하고, 감정 클래스를 예측하는 구조였다.속도나 정확도도 어느 정도는 보장되는 느낌이었다.하지만 실제 영상 환경에서는 상황이 달랐다.조명, 얼굴 각도, 표정 변화.. 더보기
Python으로 AR 기반 상품 시각화를 시도하며 느낀 현실적인 한계 AR 기반 상품 시각화를 검토하게 된 건, 온라인에서 상품을 설명하는 방식에 한계를 느꼈기 때문이다.이미지 몇 장과 텍스트만으로는 전달이 잘 안 되는 경우가 많았고, 특히 크기나 배치 감각은 말로 설명하기가 애매했다.처음에는 “이 정도는 생각보다 간단하지 않을까”라는 생각이 있었다. Python으로도 충분히 테스트해볼 수 있을 것 같았고,가벼운 실험 정도라면 큰 부담은 없을 것 같았다. 막상 해보니, 예상과는 조금 달랐다.시작 전에 기대했던 것과 실제의 차이자료를 찾아보면 AR 상품 시각화는 꽤 그럴듯해 보인다.카메라 화면 위에 자연스럽게 상품이 올라가고,실제 공간에 놓인 것처럼 보이는 예제도 많았다.그래서 처음엔“기본 구조만 잡으면 금방 방향이 보이겠지”라고 생각했다.하지만 실제로 테스트를 시작하자,생.. 더보기
Python으로 드론/로봇 영상에서 실시간 지형 분석(Terrain Analysis) 1. 드론·로봇 지형 분석에서 가장 먼저 깨진 가정은 ‘영상이 안정적일 것’이라는 생각이었다지형 분석을 처음 설계할 때는 카메라가 수평을 유지하고, 프레임 간 변화도 완만할 것이라 가정했다. 그러나 실제 드론 영상은 진동, 롤·피치 변화, 고도 변화가 동시에 발생한다. 이로 인해 정지 이미지 기반 지형 분석 로직은 실시간 환경에서 즉시 붕괴되었다. 결국 문제는 지형 인식이 아니라, 입력 영상의 불안정성을 어떻게 흡수하느냐였다.2. 실시간 지형 분석의 핵심은 ‘정확도’보다 ‘지속성’이었다처음에는 한 프레임에서 최대한 많은 지형 정보를 뽑아내려 했다. 하지만 프레임마다 결과가 요동치면서 상위 제어 로직이 오히려 혼란을 겪었다. 이후 접근 방식은 바뀌었다. 프레임 단위 정확도보다, 연속 프레임에서 해석 가능한.. 더보기
Python으로 열화상(Thermal Imaging) 분석 – 보안/산업 응용 1. 열화상 분석을 처음 현장에 투입했을 때의 착각열화상 카메라는 흔히 “어둠에서도 사람을 본다”는 이미지로 설명된다. 나 역시 초기에는 조명이 사라진 환경에서 가시광 카메라를 대체할 수 있는 완성형 센서라고 생각했다. 그러나 실제 보안·산업 현장에 투입해보니, 열화상은 시야를 넓혀주기보다는 판단 기준을 훨씬 더 까다롭게 만드는 센서였다. 특히 무인 설비, 야간 외곽 시설, 밀폐된 공정 구간에서는 기대했던 단순함이 전혀 나타나지 않았다.2. 가장 먼저 문제가 된 변수는 ‘온도’가 아니었다열화상 분석에서 가장 먼저 무너진 가정은 “온도 차이만 있으면 객체를 구분할 수 있다”는 생각이었다. 실제로는 절대 온도보다 **온도의 변화 속도와 잔열(residual heat)**이 훨씬 더 큰 변수가 되었다. 낮 동.. 더보기
연구실 밖으로 나온 AI: 실제 농가 현장에서의 파이썬 병해충 탐지 시스템 구축과 데이터 불균형 극복기 연구실 밖으로 나온 AI: 실제 농가 현장에서의 파이썬 병해충 탐지 시스템 구축과 데이터 불균형 극복기1. 들어가며: 왜 깨끗한 '식물 도감' 사진으로는 농사를 망칠까?전 세계적으로 매년 병해충으로 인해 손실되는 식량 작물은 전체 생산량의 20~40%에 달합니다. 조기 발견만이 유일한 해결책이지만, 넓은 밭을 농부 혼자 매일 살피는 것은 불가능에 가깝습니다.많은 개발자들이 이 문제를 해결하기 위해 Python과 딥러닝(CNN)을 공부합니다. 인터넷에는 'PlantVillage'와 같이 잘 정제된 데이터셋을 이용한 99% 정확도의 튜토리얼이 넘쳐납니다. 하지만 이런 '연구실 모델'을 실제 밭에 가져가면 무용지물이 된다는 사실을 알고 계신가요?실제 농장은 조명이 일정하지 않고, 잎사귀에는 흙이나 물방울이 묻.. 더보기
실전 리테일 분석: Python과 CCTV로 고객의 숨은 니즈를 파악하는 행동 분석 시스템 구축기 1. 들어가며: POS 데이터가 말해주지 않는 고객의 '진짜' 마음오프라인 소매점(리테일) 운영자들의 가장 큰 고민은 무엇일까요? "오늘 얼마나 팔렸나"는 POS 시스템으로 알 수 있지만, **"고객이 왜 이 상품은 그냥 지나쳤을까?", "매장의 어떤 구역이 가장 붐비지만 실속은 없을까?"**와 같은 질문에는 답을 얻기 어렵다는 점입니다.온라인 쇼핑몰이 마우스 클릭 하나하나를 추적하듯, 오프라인 매장에서도 고객의 발걸음을 데이터화할 수 있다면 어떨까요? 이번 포스팅에서는 Python과 컴퓨터 비전 기술을 활용하여 매장 내 CCTV 영상을 분석하고, 단순한 유동인구 카운팅을 넘어 고객의 체류 시간(Dwell Time)과 관심 구역(Hotspot)을 시각화하는 소비자 행동 분석 시스템 구축 과정을 공유합니다.. 더보기

티스토리툴바