Search
castle

CatHealth▼

고양이 건강 분석 앱 — 전체 기획 개요

작성일: 2025-08
문서 버전: v 1.0
시리즈: 1/4 — 전체 기능·아키텍처·기술 스택

1. 프로젝트 개요

1.1 한 줄 정의

스마트폰 카메라만으로 고양이의 종(Breed)을 식별하고, 움직임·자세·행동 패턴을 실시간 분석하여 건강 이상 징후를 조기에 감지하는 Android 앱.

1.2 핵심 가치

가치 설명
온디바이스 우선 추론 연산의 95% 이상을 기기 내에서 처리. 인터넷 없이도 분석 가능
비침습적 모니터링 별도 센서 장착 없이 카메라 영상만으로 건강 지표 도출
지속적 트래킹 단발성 진단이 아닌 시계열 건강 기록으로 추세 파악
종(Breed) 맞춤 분석 품종별 평균 행동·체형 기준값을 적용한 개인화 진단

1.3 목표 사용자

  • 고양이를 혼자 키우며 건강 모니터링이 어려운 1인 가구
  • 다두 보호자 중 개별 고양이 상태를 관리하고 싶은 사용자
  • 수의사 방문 전 사전 정보를 수집하고 싶은 반려인

2. 핵심 기능 목록

2.1 종 식별 (Breed Classification)

  • CameraX 실시간 프리뷰에서 고양이 감지 시 자동 캡처
  • TFLite EfficientNet 기반 모델로 50+ 품종 분류
  • 품종명, 신뢰도(%), 품종 특성 정보 제공
  • 오프라인 동작 가능 (모델 번들 내장)

2.2 자세·관절 분석 (Pose Estimation)

  • MediaPipe Holistic을 이용한 실시간 관절 랜드마크 추출
  • 등·목·다리 각도 측정 → 비대칭·이상 자세 탐지
  • 절뚝거림, 웅크림 지속, 이동 회피 패턴 분류

2.3 움직임 분석 (Motion Analysis)

  • OpenCV C++ (JNI) Lucas-Kanade 광학 흐름으로 프레임 간 운동량 계산
  • 일일 활동 지수(Daily Activity Index) 산출
  • 급격한 활동 감소 / 과활동 패턴 이상 감지

2.4 행동 패턴 분류 (Behavior Classification)

행동 감지 방법 관련 건강 지표
과도한 그루밍 머리→몸 반복 동작 벡터 피부 자극, 스트레스
절뚝거림 보행 좌우 비대칭 점수 관절 통증, 부상
웅크림 지속 저자세 + 저활동 복합 통증, 우울
흉부 과호흡 흉부 영역 주기 분석 호흡기 질환
점프 회피 수직 이동 빈도 감소 관절염
과식/저식 탐지 사용자 보조 입력 + 시간 로그 내과 질환

2.5 건강 점수 및 리포트 (Health Scoring)

  • ONNX Runtime 앙상블 모델로 0~100 건강 점수 산출
  • 종별 기준값(Breed Baseline) 대비 상대 점수 제공
  • 주간/월간 건강 추세 그래프 (Compose Charts)
  • 이상 징후 임계값 초과 시 푸시 알림

2.6 기록 및 리포트 (History & Report)

  • Room DB 기반 분석 이력 영속 저장
  • PDF/이미지 리포트 내보내기 (수의사 공유용)
  • 다두 보호자를 위한 고양이 프로필 다중 지원

3. 전체 시스템 아키텍처

┌─────────────────────────────────────────────────────────────────┐
│                        Android App                              │
│                                                                 │
│  ┌──────────────┐    ┌──────────────┐    ┌──────────────────┐  │
│  │  Presentation│    │    Domain    │    │       Data       │  │
│  │  (MVI/Compose│◄──►│  (UseCase   │◄──►│  (Room/DataStore │  │
│  │   Features)  │    │  + Models)  │    │  + CameraX/IMU)  │  │
│  └──────────────┘    └──────────────┘    └──────────────────┘  │
│                                │                                │
│                     ┌──────────▼──────────┐                    │
│                     │    :ml-core          │                    │
│                     │  TFLite │ MediaPipe  │                    │
│                     │  OpenCV │ ONNX RT    │                    │
│                     └─────────────────────┘                    │
└──────────────────────────────┬──────────────────────────────────┘
                               │ HTTPS (선택, 모델 업데이트만)
                ┌──────────────▼──────────────┐
                │   Spring Boot Backend        │
                │  모델 배포 / 통계 / FCM 알림  │
                └─────────────────────────────┘

3.1 계층별 책임

계층 모듈 책임
Presentation :feature-* UI 렌더링, 사용자 인터랙션, MVI State 소비
Domain :domain 비즈니스 룰, UseCase 정의, Repository 인터페이스
Data :data-* DB·센서·네트워크 구현체, Repository 구현
ML :ml-core 모든 AI/ML 추론 로직, C++ JNI 브릿지
Core :core-* 공통 UI 컴포넌트, DI 설정, 유틸리티
Backend Spring Boot 모델 배포, 통계 집계, 푸시 알림 (최소 범위)

3.2 데이터 흐름

CameraX ImageAnalysis
    │
    ▼
:data-sensor (ImageProxy → Bitmap/Mat 변환)
    │
    ├──► BreedClassifier (TFLite)   ─► 품종 결과
    ├──► PoseEstimator (MediaPipe)  ─► 관절 랜드마크
    └──► MotionAnalyzer (OpenCV)    ─► 광학 흐름 벡터
                │
                ▼
          HealthScorer (ONNX)       ─► 건강 점수 [0-100]
                │
                ▼
          Domain UseCase            ─► 행동 패턴 분류 + 이상 감지
                │
                ├──► Room DB (기록 저장)
                └──► ViewModel State (UI 업데이트)

4. 기술 스택 상세

4.1 Android

분류 기술 버전 선택 이유
언어 Kotlin 2. x 코루틴, Flow, 확장 함수 생산성
UI Jetpack Compose 최신 stable 선언형 UI, MVI 상태 모델과 자연스러운 결합
비동기 Kotlin Coroutines + Flow - StateFlow → MVI State, 구조화된 동시성
아키텍처 MVI (Model-View-Intent) - 단방향 데이터 흐름, 예측 가능한 상태 관리
의존성 주입 Hilt - 멀티모듈 환경에서 검증된 DI 솔루션
카메라 CameraX - Lifecycle 연동, 일관된 디바이스 지원
로컬 DB Room - SQLite 추상화, Flow 쿼리 지원
설정 저장 DataStore (Proto) - 타입 안전, SharedPreferences 대체
네비게이션 Navigation Compose - 타입 안전 라우팅, 딥링크
빌드 Gradle Version Catalog - 멀티모듈 의존성 일괄 관리

4.2 AI / ML

분류 기술 선택 이유
종 분류 TFLite + GPU Delegate 온디바이스 추론, GPU 가속으로 실시간 처리
자세 추정 MediaPipe Tasks (Pose Landmarker) 17개 랜드마크, 검증된 모바일 최적화
움직임 분석 OpenCV 4. x (NDK C++) Java 대비 3~5× 빠른 광학 흐름 연산
건강 점수화 ONNX Runtime + NNAPI 하드웨어 가속, 프레임워크 독립적 모델 포맷

4.3 Backend (선택적)

분류 기술 용도
프레임워크 Spring Boot 3 (Kotlin) REST API 서버
데이터베이스 PostgreSQL 통계 집계, 모델 메타데이터
캐시 Redis 모델 버전 캐싱, 세션
컨테이너 Docker + Kubernetes 배포 환경
푸시 알림 Firebase Cloud Messaging 건강 이상 징후 알림
인증 JWT + Spring Security 기기 등록, 사용자 식별

4.4 개발 환경 및 도구

도구 용도
Android Studio 주 개발 IDE
CMake + NDK OpenCV C++ 빌드
Python (학습 환경) TFLite/ONNX 모델 학습 및 변환
Roboflow / Label Studio 데이터셋 라벨링
GitHub Actions CI/CD
Firebase Crashlytics 크래시 모니터링

5. 비기능 요건

5.1 성능 목표

항목 목표치
종 분류 추론 시간 ≤ 200 ms (GPU Delegate 기준)
자세 추정 처리 속도 ≥ 15 FPS (실시간 분석 기준)
광학 흐름 분석 ≥ 24 FPS (C++ NDK 기준)
건강 점수 산출 ≤ 100 ms
앱 콜드 스타트 ≤ 2초
배터리 소모 일반 사용 시 시간당 ≤ 5% 추가 소모

5.2 호환성

  • 최소 지원 버전: Android 8.0 (API 26) — CameraX, TFLite, MediaPipe 지원 기준
  • 권장 버전: Android 11 (API 30) 이상 — NNAPI 2.0 최적화 활용
  • 아키텍처: arm 64-v 8 a (주), x 86_64 (에뮬레이터 지원)

5.3 개인정보 및 보안

  • 카메라 영상은 기기 외부로 전송하지 않음 (온디바이스 추론)
  • 서버 전송 데이터: 모델 업데이트 요청, 익명화된 통계만 해당
  • 분석 결과 암호화 저장 (Android Keystore)
  • GDPR / 개인정보보호법 준수 설계

6. 개발 로드맵

Phase 1 — MVP

  • 프로젝트 멀티모듈 구조 셋업
  • CameraX 실시간 프리뷰 구현
  • TFLite 종 분류 모델 통합
  • 기본 MVI 아키텍처 구축 (feature-home, feature-analysis)
  • Room DB 건강 기록 저장

Phase 2 — Core AI

  • MediaPipe 자세 추정 통합
  • OpenCV C++ NDK 광학 흐름 분석
  • ONNX Runtime 건강 점수 모델 통합
  • 행동 패턴 분류 로직 구현

Phase 3 — 고도화

  • 시계열 건강 기록 대시보드
  • 종별 기준값 데이터베이스 구축
  • Spring Boot 백엔드 모델 배포 서버
  • FCM 이상 징후 알림

Phase 4 — 완성

  • PDF 리포트 내보내기
  • 다두 프로필 지원
  • 성능 최적화 (배터리, 메모리)
  • Google Play 출시

7. 관련 문서

문서 경로
안드로이드 세부 아키텍처 02_android_architecture.md
비전 및 AI 모델 03_vision_ai_model.md
백엔드 세부 설명 04_backend.md

본 문서는 개발 진행에 따라 지속적으로 업데이트됩니다.

x
left
right

C

Contents

© Copyright 2025 jhj