47 달러로 객체 탐지 AI를 구축했습니다. 이제 6개 기업이 저에게 매달 11,000 달러를 지불합니다.

도구 비용 $47. 한 달에 $11,000 청구서. 같은 달.

카메라는 자동차, 사람, 상자 등 카메라가 향하는 모든 것을 셉니다. 지난달 6개 지점에서 작동했고, 저는 두 번만 건드렸습니다.

한 프레임. 40ms 안에 6개 객체에 박스 표시 및 라벨링.

대부분의 사람들은 여기에 박사 학위와 GPU 팜이 필요하다고 생각합니다. 하지만 실제로는 웹캠과 주말이면 충분합니다.

이 사실을 깨달은 사람들은 조용히 지역 비즈니스에 각각 월 $1,800를 청구하며, 예전에는 사람이 손으로 세던 것을 대신 세어주고 있습니다.

전체 구축 방법은 다음과 같습니다.

실제로 무엇인가

카메라가 무언가를 가리킵니다. 모델이 모든 객체에 박스를 그리고, 라벨을 붙이고, 개수를 셉니다.

비즈니스는 하나의 숫자, 즉 '몇 개'에 대해 비용을 지불합니다. 몇 대의 차량이 진입했는지, 몇 명이 걸어 들어왔는지, 몇 개의 상자가 이동했는지.

그 숫자는 예전에는 클립보드를 든 사람이 필요했습니다. 이제는 $6 서버에 있는 하나의 파일만 있으면 됩니다.

이것이 시스템입니다.

엔드 투 엔드 파이프라인

카메라 RTSP 피드: 실시간 YOLO11 감지: 프레임당 40ms ByteTrack ID 할당: 실시간 카운터 CSV 기록: 즉시 Streamlit 대시보드 제공: 24/7

총 구축 시간: 주말. 총 운영 비용: 월 $47. 실제로 수정하는 코드 줄: 한 줄.

1단계: 스택 설치

1pip install ultralytics supervision opencv-python

터미널에서 한 줄 입력. YOLO11이 감지하고, supervision이 카운트하며, opencv가 비디오를 읽습니다.

코딩 초보자도 가능? 이 명령어가 전체 구축 과정의 유일한 설정 명령어입니다. 한 번만 붙여넣으면 모든 것이 설치됩니다. 그런 다음 파일 하나를 복제하고 한 줄(카메라 링크)만 변경하면 됩니다.

2단계: 4줄로 모든 것 감지

1from ultralytics import YOLO
2
3model = YOLO("yolo11n.pt")
4results = model("street.jpg")
5results[0].show()

YOLO11은 80개의 객체(사람, 자동차, 자전거, 트럭, 개, 병)를 기본으로 알고 있습니다. 이미지를 가리키기만 하면 박스를 그려줍니다. 아직 학습은 필요 없습니다.

한 줄 변경: "street.jpg"를 자신의 사진으로 바꾸세요. 이것이 전부입니다.

3단계: 카메라에서 실시간 실행

1from ultralytics import YOLO
2
3model = YOLO("yolo11n.pt")
4model.predict(source=0, show=True)   # 0 = 웹캠, 또는 RTSP URL 붙여넣기

0을 RTSP 링크로 바꾸면 건물 내 모든 보안 카메라를 읽을 수 있습니다. 이 순간 고객이 관심을 보이기 시작합니다.

한 줄 변경: 0 대신 고객의 카메라 링크를 붙여넣으세요. 나머지는 그대로입니다.

4단계: 감지만 하지 말고 추적 및 카운트

감지만으로는 매 프레임마다 같은 차량을 다시 셉니다. ByteTrack은 각 객체에 하나의 ID를 부여하고 프레임 전체에서 유지하여, 선을 넘을 때 각 대상을 한 번만 셀 수 있도록 합니다.

1import cv2
2from ultralytics import YOLO
3import supervision as sv
4
5model = YOLO("yolo11n.pt")
6tracker = sv.ByteTrack()
7line = sv.LineZone(start=sv.Point(0, 500), end=sv.Point(1920, 500))
8annot = sv.LineZoneAnnotator()
9
10cap = cv2.VideoCapture("traffic.mp4")
11while True:
12    ok, frame = cap.read()
13    if not ok:
14        break
15    result = model(frame, conf=0.5)[0]
16    detections = sv.Detections.from_ultralytics(result)
17    detections = tracker.update_with_detections(detections)
18    line.trigger(detections)
19    frame = annot.annotate(frame, line_counter=line)
20    cv2.imshow("count", frame)
21    if cv2.waitKey(1) == 27:
22        break

line[dot]in_count와 line[dot]out_count가 실시간 총계를 보관합니다. 이것이 바로 제품입니다. 이 코드 블록 전체를 복사하면 되며, 직접 작성할 필요가 없습니다.

제 첫 번째 데모는 여기서 실패했습니다. 카메라가 그림자를 사람으로 세어서, 주차장 고객은 빈 주차장에 400대의 차량이 있는 것으로 확인했습니다. 해결책은 conf=0.5였고, 위 코드에 이미 포함되어 있습니다: 모델이 50% 이상 확신하지 못하는 것은 무시합니다. 값을 높이면 유령이 사라집니다. 고객은 다음 날 계약했습니다.

5단계: 원하는 객체를 세도록 학습

80개의 기본 클래스는 자동차와 사람을 포함합니다. 고객이 팔레트, 와인 병 또는 가축을 원할 경우, Roboflow가 브라우저에서 어려운 작업을 처리합니다. 사진 200장을 끌어다 놓고, 객체 주위에 박스를 클릭하고, 학습을 시작하면 됩니다. 코드는 필요 없습니다.

Roboflow에서 사용자 정의 클래스 라벨링. 클릭, 이름 지정, 완료.

1from ultralytics import YOLO
2
3model = YOLO("yolo11n.pt")
4model.train(data="dataset.yaml", epochs=50, imgsz=640)

무료 Colab GPU에서 50 에포크는 20분이 걸립니다. 어느 쪽이든, 동일한 파이프라인이 이제 보여준 모든 것을 셀 수 있습니다. 이것이 헤드라인의 핵심입니다.

6단계: 모든 숫자 기록

1import csv, datetime
2
3def log_count(label, count):
4    with open("counts.csv", "a", newline="") as f:
5        csv.writer(f).writerow([datetime.datetime.now(), label, count])

이벤트당 하나의 CSV 행. 이 파일은 스크립트를 비즈니스가 읽을 수 있는 보고서로 바꿔줍니다. 이미 제가 보내드리는 파일에 연결되어 있습니다.

7단계: 대시보드 뒤에 배치

1import streamlit as st
2import pandas as pd
3
4df = pd.read_csv("counts.csv", names=["time", "object", "count"])
5st.metric("오늘 총계", int(df["count"].sum()))
6st.line_chart(df, x="time", y="count")

streamlit run app[dot]py를 실행하고, 도메인을 서버에 연결하고, 고객에게 링크를 보냅니다. 고객은 로그인하여 자신의 숫자가 움직이는 것을 지켜봅니다. 그 링크가 바로 여러분이 비용을 청구하는 대상입니다.

비용

기존 방식 vs 이 구축 방식:

• 모델 - CV 팀, 6개월 → YOLO11, 무료, 5분
• 라벨링 - 라벨링 회사 → Roboflow, 클릭만
• 하드웨어 - 현장 GPU 박스, $4,000 → 클라우드 서버, 월 $46
• 대시보드 - 계약 개발자, $8,000 → Streamlit, 무료
• 도메인 - 에이전시 리테이너 → 연 $12, 약 월 $1

서버 + 도메인 비용은 월 $47입니다. 한 고객이 이 비용을 38배 이상 충당합니다.

첫 고객을 확보하는 방법

피치 덱은 건너뛰세요. 이미 카메라가 있고 손으로 무언가를 세고 있는 비즈니스를 찾아가세요. 주차장, 체육관, 카페, 소규모 창고 등.

RTSP 링크 또는 2분 분량의 카메라 피드를 요청하세요. 그 자리에서 노트북으로 파일을 실행하세요. 실시간 숫자가 표시된 그들의 출입구를 보여주세요.

자신의 카메라가 스스로 세는 모습을 보는 것이 어떤 슬라이드보다 빠르게 계약을 성사시킵니다. 제 첫 3명의 고객은 모두 같은 방문 안에 계약했습니다.

월 $11,000 수익으로 전환되는 방법

코드가 아닌 숫자를 판매하세요.

1개월 차

- 노트북에서 구축. 첫 고객: 시간당 차량 대수를 원하는 주차장. 월 $500.

3개월 차

- 고객 3곳: 주차장, 소매점 출입구 카운터, 피크 시간을 추적하는 체육관. 월 $4,500.

6개월 차

- 평균 $1,800에 6곳의 고객. 팔레트를 세는 창고, 방문객을 세는 카페, 랙을 추적하는 자전거 공유 업체. 월 $11,000.

12개월 차

- 설정 판매를 중단하고 로그인을 판매. 고객당 하나의 대시보드, 월별 요금 청구. 비용은 여전히 $60 미만이지만 월 $20,000 초과.

작업은 한 번만 하면 됩니다. 청구서는 매월 반복됩니다.

여기서 시작하세요

스택은 무료입니다. 카메라는 이미 벽에 설치되어 있습니다. 한 줄만 수정하고 파일 하나만 실행하면 됩니다.

댓글로 "DETECT"를 남겨주시면 전체 파일을 보내드리겠습니다: 카메라 링크를 상단에 넣으면 나머지는 모두 자동으로 실행됩니다. 학습 노트북과 dataset[dot]yaml 템플릿도 포함되어 있습니다.

여러분 동네의 비즈니스들은 오늘도 손으로 물건을 세고 있습니다. 누군가가 카메라 링크를 들고 나타나지 않는 한, 그들은 내일도 똑같이 할 것입니다.