보안 정책상 외부 네트워크와 물리적·논리적으로 분리된 환경입니다. 외부 클라우드 API 사용이 제한되며, 내부 자원만을 활용한 독립적인 시스템 구축이 필수적입니다.

사각지대가 존재하며, 탐지 후 추가적인 시각적 검증이 어렵습니다. 관리자가 직접 현장으로 이동해야 하는 비효율이 발생하며, 야간이나 주말 등 비상시 즉각적인 상황 파악이 제한됩니다.

고정형 카메라와 이동형 로봇을 연동하여 사각지대를 해소해야 합니다. 또한, 내부 시스템 보안을 유지하면서도 관리자에게 외부 알림(Telegram 등)을 안전하게 전달하는 분리된 아키텍처가 필요합니다.

AI 추론과 같은 무거운 연산은 Python(FastAPI)이 전담하고, 시스템 제어 및 다중 장치 I/O는 C#(.NET)이 처리하여 성능 병목을 해소하고 안정성을 확보했습니다.

이벤트 발생과 처리를 비동기로 분리하여 시스템 부하를 조절합니다. 처리 실패 메시지는 DLQ(Dead Letter Queue)로 격리하여 데이터 유실을 방지하고 재시도 메커니즘을 구현했습니다.

이미지와 영상 원본은 파일 시스템에 저장하고, 데이터베이스(SQLite)에는 파일 경로와 메타데이터만 저장하여 DB 부하를 최소화하고 조회 속도를 향상시켰습니다.

평상시 모니터링은 네트워크 대역폭에 맞춰 적정 화질로 스트리밍하되, 이벤트 발생 시에는 최대 해상도로 증거 영상을 별도 저장하여 품질과 효율성을 동시에 달성했습니다.

스트림 단위의 독립 파이프라인 설계로 N개의 카메라와 로봇을 손쉽게 추가할 수 있습니다. Redis Queue 기반의 느슨한 결합으로 시스템 부하를 효과적으로 분산하며, 필요 시 AI 연산 노드를 수평적으로 확장(Scale-out)할 수 있습니다.

본 시스템은 연구실 뿐만 아니라 스마트 팩토리, 발전소, 데이터 센터 등 보안이 중요한 폐쇄망 환경 어디든 적용 가능합니다. 특히 위험 지역이나 사람이 접근하기 힘든 구역의 무인 순찰 및 이상 징후 감지에 탁월한 효과를 발휘합니다.

출입 통제 시스템, 화재 감지 센서 등 레거시 보안 장비와 이벤트를 연동할 수 있습니다. 정책 기반 알림 라우팅을 통해 화재 감지 시 로봇이 해당 구역으로 자동 출동하는 시나리오 등 고도화된 대응 체계 구축이 가능합니다.