Ultralytics YOLO 모델을 사용한 동영상 속 이동 객체 추적 가이드

전기 부품을 조립할 수 있는 로봇, 과속 차량을 감지하는 시스템, 고객의 쇼핑 방식을 추적하는 스마트 리테일 솔루션 등 이러한 모든 혁신은 컴퓨터 비전에 의존합니다. 컴퓨터 비전은 기계가 이미지와 동영상을 분석하고 이해하도록 지원하는 인공지능(AI)의 한 분야입니다.

예를 들어 로봇은 부품을 올바르게 조립하기 위해 서로 다른 부품을 인식하고 추적해야 합니다. 마찬가지로 교통 시스템은 컴퓨터 비전을 사용해 차량을 감지하고, 번호판을 읽고, 과속 여부를 판단할 수 있습니다. 한편 매장에서는 비전 AI가 고객이 무엇을 보고 있거나 집어 드는지 추적하고 재고를 모니터링하는 데 도움을 줄 수 있습니다.

이러한 애플리케이션은 다양한 비전 작업을 지원하는 Ultralytics YOLO11과 같은 컴퓨터 비전 모델을 기반으로 합니다. 이러한 작업 중 상당수는 단일 이미지에서 인사이트를 수집하는 데 초점을 맞추지만, 특히 흥미로운 작업인 객체 추적은 일련의 이미지 또는 동영상 프레임에서 객체의 움직임을 추적하는 데 사용할 수 있습니다.

그림 1. 차량을 감지하고 추적하는 예시입니다.

이 가이드에서는 객체 추적의 작동 방식을 자세히 살펴보고 실제 사용 사례를 살펴봅니다. 또한 Ultralytics YOLO11과 같은 비전 AI 모델이 객체 추적을 지원하는 방식도 알아봅니다. 시작하겠습니다!

컴퓨터 비전 추적 시스템 자세히 살펴보기#

객체 추적은 동영상 프레임에서 객체의 움직임을 추적하여 시스템이 시간에 따른 변화를 모니터링하고 이해하도록 지원하는 컴퓨터 비전 작업입니다. 이는 사람이 움직이는 사람이나 객체를 눈으로 자연스럽게 따라가는 방식과 매우 유사합니다. 테니스 경기를 볼 때 눈으로 코트에서 앞뒤로 움직이는 공을 추적하는 것이 그 예입니다.

이와 마찬가지로 객체 추적은 카메라와 AI를 사용해 실시간으로 공의 움직임을 추적합니다. 이 기술은 속도, 궤적, 선수 위치와 같은 분석 정보를 통해 집에서 경기를 시청하는 사람들이 경기의 흐름을 더 잘 이해하도록 지원할 수 있습니다.

이러한 시각적 추적은 사람에게는 손쉽게 보일 수 있지만, 머신 비전에서는 비전 AI 모델이 처리하는 일련의 단계가 필요합니다. 다음은 객체 추적의 작동 방식을 간단히 정리한 내용입니다.

• 동영상 캡처: 카메라가 동영상을 녹화하여 시간이 지남에 따라 장면 속에서 객체가 어떻게 움직이는지 캡처합니다.
• 객체 감지: YOLO11과 같은 AI 기반 컴퓨터 비전 모델이 각 프레임을 분석하여 사람, 차량, 제품과 같은 특정 객체를 식별하고 위치를 찾습니다.
• 식별자 할당: 객체가 감지되면 추적 알고리즘이 객체에 고유 ID를 할당하여 여러 프레임에서 추적합니다. 이를 통해 객체가 이동하더라도 시스템이 동일한 객체임을 파악할 수 있습니다.
• 움직임 모니터링: 시스템이 시간에 따른 움직임을 추적하며, 이 데이터를 활용해 속도, 방향, 다른 객체와의 상호작용 등을 수집할 수 있습니다.
• 인사이트 생성: 이 정보를 실시간으로 사용하여 분석 정보를 제공하고, 의사 결정을 지원하거나, 특정 사용 사례에 따라 시각적 오버레이를 구현할 수 있습니다.

YOLO를 사용한 객체 감지와 추적 비교#

객체 추적과 밀접한 관련이 있는 또 다른 컴퓨터 비전 작업으로는 Ultralytics YOLO11이 지원하는 객체 감지가 있습니다. 이제 이 두 작업의 차이점을 살펴보겠습니다.

객체 감지는 단일 이미지 또는 동영상 프레임 내에서 관심 객체를 식별하고 위치를 찾는 작업입니다. 예를 들어 자율주행 자동차는 차량에 장착된 카메라로 캡처한 단일 프레임에서 정지 표지판이나 보행자를 인식하기 위해 객체 감지를 사용합니다. 객체 감지는 “이 이미지에 무엇이 있으며, 어디에 있는가?”라는 질문에 답합니다. 그러나 객체가 다음에 어디로 이동하는지에 대한 정보는 제공하지 않습니다.

객체 추적은 시간에 따른 움직임에 대한 이해를 추가하여 객체 감지를 확장합니다. 두 작업의 핵심적인 차이는 시간과 움직임을 처리하는 방식에 있습니다. 객체 감지는 각 프레임을 독립적인 스냅샷으로 처리하는 반면, 객체 추적은 과거 데이터를 사용해 객체의 다음 위치를 예측하면서 프레임 간의 연결 관계를 파악합니다.

두 기능을 결합하면 동적인 환경에서 실시간 추적이 가능한 강력한 비전 AI 시스템을 구축할 수 있습니다. 예를 들어 자동화된 보안 시스템은 공간에 들어오는 사람을 감지하고 프레임 전체에서 움직임을 지속적으로 추적할 수 있습니다.

Ultralytics YOLO 모델을 사용한 실시간 추적#

이제 객체 감지와 추적의 차이를 살펴보았으므로, YOLO11과 같은 Ultralytics YOLO 모델이 실시간 객체 추적을 지원하는 방식을 알아보겠습니다.

YOLO 모델 자체는 추적 알고리즘이 아니지만, 각 동영상 프레임에서 객체를 감지하는 핵심적인 역할을 합니다. 객체가 감지되면 추적 알고리즘이 고유 ID를 할당해야 시스템이 프레임에서 프레임으로 객체의 움직임을 추적할 수 있습니다.

이러한 요구 사항을 해결하기 위해 Ultralytics Python 패키지는 BoT-SORT 및 ByteTrack과 같은 널리 사용되는 추적 알고리즘과 객체 감지를 원활하게 통합합니다. 이 통합을 통해 사용자는 최소한의 설정만으로 감지와 추적을 함께 실행할 수 있습니다.

객체 추적에 YOLO 모델을 사용할 때는 애플리케이션의 요구 사항에 따라 적용할 추적 알고리즘을 선택할 수 있습니다. 예를 들어 BoT-SORT는 움직임 예측과 딥러닝을 사용하므로 예측하기 어려운 방식으로 움직이는 객체를 추적하는 데 적합합니다. 반면 ByteTrack은 혼잡한 장면에서 특히 뛰어난 성능을 발휘하며, 객체가 흐릿하거나 부분적으로 가려진 경우에도 안정적인 추적을 유지합니다.

그림 2. Ultralytics Python 패키지는 BoT-SORT와 ByteTrack을 원활하게 통합합니다.

사용자 지정 YOLO 모델 학습은 객체 추적과 어떤 관련이 있나요?#

사용자 지정 학습은 Ultralytics YOLO11과 같은 사전 학습된 객체 감지 모델을 특정 데이터 세트에 맞게 파인튜닝하여 표준 데이터 세트에 포함되지 않은 객체도 인식할 수 있도록 하는 과정입니다. 이는 추적 시스템이 사용자 지정 객체나 흔하지 않은 객체를 추적해야 할 때 특히 중요합니다.

추적 시스템은 먼저 감지 모델에 의존하여 객체를 인식합니다. YOLO 모델이 특정 유형의 기계나 야생 동물 종과 같은 특정 항목을 감지하지 못하면 추적 알고리즘도 해당 항목을 추적할 수 없습니다.

따라서 사용자 지정 학습이 필수적입니다. 사용자 지정 학습을 통해 감지 모델이 추적하려는 객체를 정확하게 식별할 수 있습니다.

또한 이 과정에서 파인튜닝되는 것은 감지 모델뿐이라는 점을 기억해야 합니다. BoT-SORT 또는 ByteTrack과 같은 추적 알고리즘은 사용자 지정 학습을 수행하지 않으며, YOLO 모델의 출력을 사용해 프레임 전체에서 감지된 객체를 추적할 뿐입니다.

Ultralytics YOLO를 활용한 객체 추적 애플리케이션#

이제 객체 추적이 무엇이며 어떻게 작동하는지 더 잘 이해했으므로, 이 기술이 실제로 영향을 미치고 있는 몇 가지 사용 사례를 살펴보겠습니다.

속도 추정을 위한 Ultralytics YOLO 실시간 추적#

컴퓨터 비전으로 구현되는 속도 추정 시스템은 객체 감지 및 추적과 같은 작업에 의존합니다. 이러한 시스템은 차량, 자전거 이용자, 심지어 사람 등 객체가 얼마나 빠르게 움직이는지 계산하도록 설계되었습니다. 이 정보는 교통 관리부터 안전 모니터링 및 산업 자동화에 이르기까지 다양한 애플리케이션에 매우 중요합니다.

Ultralytics YOLO11과 같은 모델을 사용하면 동영상 프레임 전체에서 객체를 감지하고 추적할 수 있습니다. 특정 시간 동안 객체가 이동한 거리를 분석하여 시스템이 객체의 속도를 추정할 수 있습니다.

그림 3. 속도 추정을 위해 YOLO11의 객체 추적 지원을 사용하는 예시입니다.

제조 분야의 객체 추적 살펴보기#

제조 공정은 빠르게 진행되고 매우 복잡할 수 있으므로 생산되는 모든 항목을 수작업으로 추적하기 어렵습니다. 객체 추적은 제품이 생산의 각 단계를 거치는 동안 모니터링을 자동화하는 효과적인 솔루션을 제공합니다. 이를 통해 공장은 공정 속도를 늦추지 않고도 높은 수준의 정확도와 효율성을 유지할 수 있습니다.

컨베이어 벨트 위의 제품을 세는 작업부터 결함 감지 또는 올바른 조립 여부 확인까지, 객체 추적은 그렇지 않으면 시간이 오래 걸리거나 오류가 발생하기 쉬운 작업에 가시성과 제어 기능을 제공합니다. 이 기술은 속도와 정밀도가 중요한 식품 가공, 전자 제품, 포장과 같은 대량 생산 산업에서 특히 큰 효과를 발휘합니다.

그림 4. Ultralytics YOLO11을 사용해 조립 라인에서 식품을 추적하고 개수를 세는 예시입니다.

리테일 분석에서 객체 추적 개요#

매일 수많은 고객이 리테일 매장에 드나들며, 고객 행동을 이해하는 것은 고객 경험과 비즈니스 성과를 모두 개선하는 데 핵심적입니다. 객체 추적을 사용하면 리테일 업체가 침습적이거나 수동적인 방법 없이 방문객 수를 모니터링하고, 체류 시간을 측정하며, 이동 패턴을 분석할 수 있습니다.

고객이 매장에 들어오고 나가며 매장 내에서 이동하는 과정을 추적하면 기업은 피크 시간대, 인기 구역, 대기열 길이까지 파악할 수 있습니다. 이러한 인사이트는 인력 배치, 매장 레이아웃, 재고 배치와 관련된 의사 결정에 활용되어 궁극적으로 운영 효율성과 매출을 높일 수 있습니다.

그림 5. Ultralytics YOLO11의 객체 추적 기능을 사용해 매장에 출입하는 사람을 모니터링하는 예시입니다.

객체 추적의 장단점#

리테일 매장부터 공장 현장까지 다양한 산업에서 효율성, 안전성, 전반적인 경험과 같은 요소를 개선하기 위해 객체 추적을 사용하고 있습니다. 다음은 객체 추적이 다양한 산업에 제공할 수 있는 주요 이점입니다.

• 실시간 알림 지원: 객체 추적이 통합된 시스템은 제한 구역에 사람이 들어가거나 배송 물품이 한 장소에 너무 오래 방치되는 등 이상 상황이 감지되면 알림이 자동으로 트리거되도록 구성할 수 있습니다.
• 다른 시스템과 통합: 객체 추적 데이터를 얼굴 인식, 열화상 카메라 또는 재고 시스템과 같은 다른 기술과 결합하여 더욱 강력한 인사이트를 얻을 수 있습니다.
• 장기적으로 비용 효율적: 초기 설정에는 투자가 필요할 수 있지만, 자동화된 추적은 수작업의 필요성을 줄이고 오류율과 운영 비용을 장기적으로 낮춥니다.

이러한 이점은 객체 추적이 다양한 사용 사례에 미치는 긍정적인 영향을 보여주지만, 구현 과정에서 발생하는 과제도 고려해야 합니다. 이제 객체 추적의 몇 가지 한계점을 자세히 살펴보겠습니다.

• 혼잡한 환경에서의 어려움: 콘서트장, 쇼핑센터 또는 도심 거리와 같이 혼잡한 환경에서는 추적 시스템이 서로 가까이 있는 사람이나 객체를 구분하는 데 어려움을 겪을 수 있으며, 이로 인해 혼동이나 부정확한 결과가 발생할 수 있습니다.

• 환경 조건에 민감함: 조명 부족, 안개, 빠른 움직임 또는 카메라 흔들림은 객체를 정확하게 추적하는 시스템의 능력에 영향을 줄 수 있으며, 특히 야외 또는 통제되지 않은 환경에서 문제가 될 수 있습니다.

• 개인정보 보호 및 법적 문제: 개인정보를 부적절하게 처리하거나, 사용자 동의가 없거나, 공공장소에서 감시를 수행하면 윤리적 문제가 발생하고 개인정보 보호법을 준수하지 못할 수 있습니다.

핵심 요점#

객체 추적은 기계가 시간에 따른 객체의 움직임을 추적하도록 지원하는 컴퓨터 비전 작업입니다. 차량 속도 추정과 조립 라인 제품 개수 세기부터 스포츠 경기에서 선수의 움직임 분석에 이르기까지 다양한 실제 시나리오에서 사용됩니다.

Ultralytics YOLO11과 같은 비전 AI 모델 및 BoT-SORT와 ByteTrack과 같은 추적 알고리즘을 활용하면서 객체 추적은 다양한 산업에서 더욱 빠르고 지능적이며 접근하기 쉬운 기술이 되었습니다. 객체 추적 기술이 발전함에 따라 시스템은 프레임 단위로 더욱 지능적이고 효율적이며 신속하게 대응할 수 있게 됩니다.

컴퓨터 비전과 AI에 대해 더 알아보고 싶으신가요? GitHub 저장소를 살펴보고, 커뮤니티에 참여하며, 라이선스 옵션을 확인하여 컴퓨터 비전 프로젝트를 시작해 보세요. 제조 분야의 AI 및 자동차 산업의 컴퓨터 비전과 같은 혁신을 살펴보고 있다면 솔루션 페이지를 방문하여 더 자세히 알아보세요.