> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/get-started/ko/guides/run-a-model-on-a-video.md).
# 비디오에서 모델 실행
A [워크플로](https://docs.roboflow.com/workflows) 브라우저에서 블록을 연결해 만드는 여러 단계의 컴퓨터 비전 애플리케이션입니다: 모델, 트래커, 시각화, 그리고 로직으로 구성됩니다. 한 번 만들면 이미지, 비디오 파일 또는 실시간 RTSP 스트림에서 실행할 수 있습니다.
비디오에서는 Workflow가 실시간 속도를 위해 설계된 파이프라인으로 실행됩니다. [Roboflow Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted) 프레임을 디코딩하고, 모델을 실행하며, 결과를 병렬로 그려 GPU가 계속 바쁘게 유지됩니다. 실시간 스트림에서는 따라잡을 수 없는 프레임을 건너뛰어 뒤처지지 않고 최신 프레임에 머뭅니다.
이 가이드는 차량을 감지하고, 각 차량을 프레임 간 추적하며, 선을 통과할 때 개수를 세는 Workflow를 만든 다음 샘플 비디오에서 실행합니다.
## Workflow 빌드 및 실행
{% stepper %}
{% step %}
### Workflow 편집기 열기
생성 [Roboflow 계정](https://app.roboflow.com) 없다면 다음을 여세요 [app.roboflow.com/workflows](https://app.roboflow.com/workflows) 그리고 "Create Workflow"를 클릭하여 편집기에서 빈 Workflow를 여세요.
{% endstep %}
{% step %}
### 블록 추가 및 연결
다음 블록들을 추가하고 위에서 아래로 연결하여 각 블록의 출력이 다음 블록으로 전달되게 하세요:
감지, 추적 및 카운트 Workflow
* 객체 감지 모델: 실행하는 [RF-DETR](https://docs.roboflow.com/models/supported-models/rf-detr) 모델을 각 프레임에 적용하고 바운딩 박스를 반환합니다.
* ByteTrack 트래커: 각 감지 결과에 지속적인 ID를 할당하여 동일한 객체가 프레임 간 추적되도록 합니다.
* 라인 카운터: 프레임에 배치한 선을 통과하는 추적된 객체를 셉니다.
* 바운딩 박스 시각화: 감지 박스를 그립니다.
* 라인 카운터 시각화: 카운팅 라인과 누적 카운트를 그립니다.
* 추적 시각화: 각 추적된 객체가 이동한 경로를 그립니다.
직접 만드는 것을 건너뛰려면, 다음을 사용해 JSON 편집기를 여세요 `` 편집기 왼쪽 상단의 아이콘으로 열고 [이 Workflow 정의](https://media.roboflow.com/quickstart/workflow.json).
블록 추가 및 구성에 대한 더 자세한 안내는 다음을 참조하세요 [Workflow 구축하기](https://docs.roboflow.com/workflows/build/build-a-workflow).
{% endstep %}
{% step %}
### 비디오를 업로드하고 실행하기
"Run"을 클릭(`▶` 아이콘)을 눌러 실행 패널을 여세요. "Media"에서 "File" 탭을 선택하고 업로드하세요 [이 샘플 비디오](https://media.roboflow.com/quickstart/cars.mp4), 그런 다음 "Run"을 클릭하세요.
Workflow는 비디오를 처리하고 박스, 궤적, 실시간 카운트가 포함된 주석 달린 비디오를 반환합니다.
{% endstep %}
{% endstepper %}
{% embed url="" %}
## Workflow가 실행되는 위치
기본적으로 "Run"은 Workflow를 다음에서 실행합니다 [서버리스 호스팅 API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api): Roboflow 클라우드의 자동 확장 GPU에서 실행되며, 별도로 하드웨어를 프로비저닝할 필요가 없습니다. 동일한 Workflow를 다음에서도 실행할 수 있습니다 [자체 하드웨어](/get-started/ko/guides/run-a-model-locally.md), 노트북부터 NVIDIA Jetson까지.
* **서버리스**: 관리할 하드웨어가 없고 자동으로 확장됩니다. 각 프레임마다 클라우드로 네트워크 왕복이 발생해 지연이 추가되므로, 저지연 라이브 비디오보다는 입문용, 이미지, 배치 작업에 더 적합합니다.
* **로컬**: 프레임이 절대 머신을 떠나지 않으므로 네트워크 홉이 없고 프레임당 지연이 더 낮아 라이브 스트림에서 중요합니다. 대신 하드웨어를 직접 프로비저닝하고 유지해야 합니다.
어떤 방식이든 지연을 줄이려면 GPU에서 실행하거나, 더 작은 모델을 선택하거나(예: `rfdetr-nano` 또는 `rfdetr-small`), 또는 입력 해상도를 줄이세요. 전용 단일 테넌트 클라우드 엔드포인트는 다음을 참조하세요 [전용 배포](https://docs.roboflow.com/deployment/roboflow-cloud/dedicated-deployments).
## 다른 모델 사용
Object Detection Model 블록은 기본적으로 미리 준비된 RF-DETR을 실행하지만, 변경할 수 있습니다. 블록을 클릭하고 모델을 다음으로 설정하세요:
* Roboflow에서 학습한 모델. 모델 ID를 복사하세요(형식은 `{project}/{version}`)을 다음에서 프로젝트에서 복사하세요 [Roboflow 앱](https://app.roboflow.com).
* 다음의 공개 모델 [Roboflow Universe](https://docs.roboflow.com/datasets/universe/universe/what-is-roboflow-universe).
* 다른 미리 준비된 [사전 학습된 모델](https://docs.roboflow.com/models/pretrained-aliases) 별칭으로, 예를 들면 `rfdetr-nano`, `rfdetr-seg-medium`, 또는 `yolo26l-640`.
## 많은 비디오를 한 번에 처리하기
오프라인에서 많은 비디오나 이미지에 대해 Workflow를 실행하려면 다음을 사용하세요 [배치 처리](https://docs.roboflow.com/deployment/roboflow-cloud/batch-processing). 이는 관리형 서비스입니다. 데이터를 선택하고 Workflow를 지정하면 Roboflow가 코드 없이, 로컬 컴퓨트 없이 클라우드에서 배치를 처리합니다.
## 다음 단계
* 실시간 웹캠 및 RTSP 스트림을 포함해 자체 하드웨어에서 Workflow를 실행하세요. 다음을 참조하세요 [모델을 로컬에서 실행](/get-started/ko/guides/run-a-model-locally.md).
* 로직, 필터링, 영역, 알림을 추가하세요. 다음을 참조하세요 [Workflow 구축하기](https://docs.roboflow.com/workflows/build/build-a-workflow).
* 각 Workflow 실행 비용이 얼마인지 다음에서 확인하세요 [서버리스 요금 페이지](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api/pricing#workflow-run).