earticle

영어

This study addresses the increasing need for on-device NVR (Network Video Recorder) systems capable of performing real-time AI restoration without relying on external servers. We design a DLL-based integration structure using ONNX Runtime to implement AI video restoration on Windows-based NVR devices and compare performance in two execution environments: OpenVINO on an integrated GPU (iGPU) and CUDA on an external GPU (RTX A2000). Using the same ONNX restoration model, different inference environments were configured by varying only the Execution Provider, and DLL modules were implemented to enable frame-level real-time restoration inside the NVR. Experimental results show that the OpenVINO-based iGPU maintains real-time performance only for a single channel, while FPS drops significantly beyond two channels. In contrast, the CUDA-based external GPU sustains stable multi-channel performance up to 3–5 channels. This study provides a practical method for embedding AI restoration functions into on-device NVR systems and offers quantitative insights into resource utilization and scalability across hardware environments.

한국어

최근 영상 감시 시스템에서는 외부 서버에 의존하지 않고 장비 내부에서 실시간으로 AI 복원 기능을 수 행할 수 있는 온디바이스 NVR(Network Video Recorder)의 필요성이 증가하고 있다. 본 논문은 Windows 기반 온디바이스 NVR 환경에서 AI 영상 복원 기능을 구현하기 위해 ONNX Runtime 기반 DLL 연동 구조를 설계하 고, 내장 GPU(OpenVINO)와 외장 GPU(CUDA)에서의 성능 차이를 비교하였다. 동일한 ONNX 복원 모델을 기 반으로 Execution Provider만 달리하여 추론 환경을 구성하였으며, 각 환경에 맞춘 DLL을 통해 프레임 단위 실 시간 복원을 구현하였다. 실험 결과, OpenVINO 기반 iGPU는 1채널까지 실시간 처리가 가능하였으나 2채널 이상 에서는 FPS 저하가 발생하였다. 반면 CUDA 기반 외장 GPU는 3-5채널에서도 안정적인 성능을 유지하였다. 본 연구는 온디바이스 NVR에서 AI 복원 기능을 내재화하기 위한 실제 구현 구조를 제시하고, 하드웨어 구성에 따른 자원 활용 특성과 확장 가능성을 정량적으로 분석하였다.