13.10.4.2 바운딩 박스(Bounding Box) 좌표 기반 영상 크롭퍼(Cropper) 도살 및 트래픽 폭발 압살

엣지(Edge) 단말에 이식된 AI 비전 필터가 “타겟(침입자, 결함 기어 등)이 탐지된 프레임만 살려 보낸다“는 임무를 완수하더라도, 그 살아남은 프레임 전체를 클라우드로 보내는 행위조차 대용량 분산 시스템 아키텍트의 관점에서는 용납할 수 없는 낭비(Waste)다.

1920x1080(FHD) 화상에서 타겟이 차지하는 공간은 기껏해야 200x200 픽셀에 볼과하다. 전체 이미지의 90%에 달하는 불필요한 콘크리트 바닥과 하늘의 픽셀 정보를 인코딩해서 WAN 망에 태워 보내어 클라우드 네트워크의 파열(Burst)을 자초할 이유가 무엇인가. 본 절에서는 Zenoh-Flow 파이프라인에서 객체를 탐지한 즉시, 원본 프레임의 목을 자르고(Crop) 오직 타겟의 실질 데이터 구역(Bounding Box) 만을 찢어내 전송함으로써 대역폭 소모를 질량부터 파괴해버리는 크롭퍼(Cropper) 기법을 선언한다.

1. 여백(Background)의 죄악과 좌표 분리 전술

ROS2에서 생산된 5MB 용량의 BGR8 이미지 배열이 로컬 오퍼레이터(Operator)에 도착한다.
AI 모델(YOLO 등)이 이 이미지를 스캔하여 [x1, y1, x2, y2] 라는 4개의 좌표로 구성된 바운딩 박스(Bounding Box) 텐서를 도출해 냈다 치자.

아마추어 엔지니어들은 친절하게도 이 원본 이미지 위에 빨간색 네모 박스를 “그려(Draw)” 넣은 뒤 그 거대한 이미지 전체를 클라우드 서버로 통째로 쏟아 보낸다. 이것이 바로 네트워크를 터뜨리는 전격적인 대역폭 낭비의 파열음이다.

진정한 데이터 스트림 분절(Decoupling) 전술은, 엣지 노드가 원본을 그려 보내는 대신 오직 4개의 좌표 숫자만을 추출하거나 해당 구역 픽셀만 물리적으로 오려내어(Crop) 던지는 데 초점을 맞춘다.

2. 파이프라인 연쇄 오퍼레이터: 크롭퍼(Cropper)의 칼날

Zenoh-Flow 매니페스트 상에 AI 탐지기 노드 바로 뒷단에 Crop Operator 를 연쇄 접합(Link)시켜 데이터 도살 공정을 완성한다.

이 크롭퍼(Cropper) 노드의 수학적 칼부림은 다음과 같다.

# [엣지 AI 후단 크롭퍼(Crop) 오퍼레이터 처리 구조]

def on_data_received(self, image_data, bounding_box):
    # 1. 광활한 FHD 배경 이미지를 무자비하게 폐기할 준비를 한다.
    x_min, y_min, x_max, y_max = bounding_box.coords
    
    # 2. Numpy 슬라이싱 칼날을 동원해 오직 '목표물'의 픽셀만 찢어낸다 (Zero-Copy 뷰)
    cropped_roi = image_data.pixels[y_min:y_max, x_min:x_max]
    
    # 3. 5MB의 거대 원본 이미지를 GC(가비지 콜렉터)의 먹이 덩어리로 던져버리고
    # 100KB에 불과한 작은 타겟 증명사진(ROI)만을 압축하여 클라우드로 쏜다.
    tiny_jpeg = compress_to_jpeg(cropped_roi, quality=70)
    
    send_to_cloud({"target_id": bounding_box.label, "image_chunk": tiny_jpeg})

이 연산 코어가 가동되면, 관제 클라우드의 수신 데몬에 떨어지는 트래픽 모형은 거대한 16:9 캔버스가 아니라 타겟 객체(보행자, 번호판 등)들의 조그만 “증명사진 조각들“로 완전히 개편된다. 데이터 통신량은 원본 대비 1/50 수준으로 폭포수처럼 쏟아져 내리던 스로틀(Throttle) 압력에서 해방되어, 백그라운드 핑(Ping) 수준의 정적을 되찾게 된다.

3. 원시 렌즈 데이터와 연산의 영구적 분리(Separation)

이 바운딩 박스 크롭퍼 전술이 분산 시스템에 남기는 위대한 교훈은, 원시 정보(Raw Sensor) 와 추론 정보(Inferred Value) 를 네트워크 계층에서 결코 섞지 않아야 한다는 점이다.

클라우드의 대시보드가 현장의 전경(Full View)을 봐야 한다면, 그것은 H.264 WebRTC 같은 전용 미디어 터널로 화질을 찢어서 개별 전송해야만 한다. 자율주행과 시스템 통제를 이끌어가는 핵심 Zenoh 통신망 버스 위에는 기계가 읽어낸(Machine-Readable) 좌표와 그 증거물(크롭된 패치) 이상의 무거운 바이트 덩어리가 절대 발을 들여놓아서는 안 된다.

모든 여백은 노이즈다. 배경을 버리고 핵심 타겟망(ROI)만을 극한의 바이트로 찢어 보내는 크롭 지향 토폴로지야말로, 위성에 의존하는 국방 로보틱스나 4G 음영 구역에 진입한 자율주행 트럭이 망 단절 속에서도 생명줄을 이어가는 단 하나의 해답이다.