Ultralytics YOLO 모델을 이용한 비디오 내 이동 객체 추적 가이드

전기 부품을 조립하는 로봇, 과속 차량을 포착하는 시스템, 고객의 쇼핑 방식을 추적하는 스마트 리테일 솔루션 등 이러한 모든 혁신은 컴퓨터 비전에 의존합니다. 이는 기계가 이미지와 영상을 분석하고 이해하도록 돕는 인공지능(AI)의 한 분야입니다.

예를 들어, 로봇은 다양한 부품을 인식하고 따라가서 정확하게 조립해야 합니다. 마찬가지로 교통 시스템은 컴퓨터 비전을 사용하여 차량을 식별하고, 번호판을 판독하며, 과속 여부를 파악할 수 있습니다. 한편 매장에서는 비전 AI가 고객이 무엇을 보거나 집어 드는지 추적하고 재고 현황을 파악하는 데 도움을 줄 수 있습니다.

이러한 애플리케이션은 다양한 시각적 작업을 지원하는 Ultralytics YOLO11과 같은 컴퓨터 비전 모델을 기반으로 합니다. 이러한 작업 중 다수는 단일 이미지에서 인사이트를 도출하는 데 중점을 두지만, 특히 흥미로운 작업인 객체 추적은 연속된 이미지나 영상 프레임 전반에서 객체의 움직임을 따라가는 데 사용될 수 있습니다.

그림 1. 차량 탐지 및 추적 예시.

본 가이드에서는 객체 추적의 작동 원리를 자세히 살펴보고 실제 활용 사례를 알아봅니다. 또한 Ultralytics YOLO11과 같은 비전 AI 모델이 어떻게 객체 추적을 지원하는지도 다룰 것입니다. 그럼 시작해 보겠습니다!

Link to this section컴퓨터 비전 추적 시스템 자세히 알아보기#

객체 추적은 영상 프레임 간의 객체 움직임을 따라가기 위해 사용되는 컴퓨터 비전 작업으로, 시스템이 시간의 흐름에 따른 변화를 모니터링하고 이해하도록 돕습니다. 이는 인간이 테니스 경기를 볼 때 공이 코트를 오가는 것을 눈으로 쫓는 것처럼, 움직이는 사람이나 객체를 자연스럽게 따라가는 방식과 매우 유사합니다.

이와 마찬가지로 객체 추적은 카메라와 AI를 사용하여 실시간으로 공의 움직임을 따라갑니다. 이 기술은 특히 속도, 궤적, 선수 위치와 같은 분석 정보를 통해 시청자에게 경기 흐름에 대한 더 나은 이해를 제공할 수 있습니다.

이러한 시각적 추적은 인간에게는 쉬워 보일 수 있지만, 머신 비전의 영역에서는 비전 AI 모델을 통한 일련의 단계가 필요합니다. 객체 추적의 작동 방식을 간단히 정리하면 다음과 같습니다.

• 영상 캡처: 카메라가 영상 푸티지를 녹화하여 시간에 따른 객체의 움직임을 기록합니다.
• 객체 탐지: YOLO11과 같은 AI 기반 컴퓨터 비전 모델은 각 프레임을 분석하여 사람, 차량, 제품 등 특정 객체를 식별하고 위치를 파악합니다.
• ID 할당: 객체가 탐지되면 추적 알고리즘은 해당 객체에 고유 ID를 부여하여 여러 프레임에 걸쳐 따라갑니다. 이를 통해 시스템은 객체가 이동 중에도 동일한 대상임을 인식할 수 있습니다.
• 움직임 모니터링: 시스템은 시간의 흐름에 따라 움직임을 추적하며, 이 데이터는 속도, 방향, 다른 객체와의 상호작용 등의 정보를 수집하는 데 사용될 수 있습니다.
• 인사이트 생성: 이 정보는 구체적인 사용 사례에 따라 실시간 분석 제공, 의사 결정 지원 또는 시각적 오버레이 생성 등에 활용될 수 있습니다.

Link to this sectionYOLO를 활용한 객체 탐지와 추적 비교#

YOLO11이 지원하는 객체 추적과 밀접하게 연관된 또 다른 컴퓨터 비전 작업으로 객체 탐지가 있습니다. 이 두 작업의 차이점을 살펴보겠습니다.

객체 탐지는 단일 이미지나 영상 프레임 내에서 관심 객체를 식별하고 위치를 찾는 것을 포함합니다. 예를 들어, 자율주행 자동차는 객체 탐지를 사용하여 카메라에 포착된 단일 프레임 속의 정지 표지판이나 보행자를 인식합니다. 이는 “이 이미지에 무엇이 있고 어디에 있는가?”라는 질문에 답하는 것입니다. 하지만 객체가 다음 프레임에서 어디로 이동하는지에 대한 정보는 제공하지 않습니다.

객체 추적은 시간에 따른 움직임에 대한 이해를 더해 객체 탐지를 확장합니다. 두 작업의 핵심 차이는 시간과 움직임을 다루는 방식에 있습니다. 객체 탐지가 각 프레임을 독립적인 스냅샷으로 처리하는 반면, 객체 추적은 과거 데이터를 사용하여 객체의 미래 위치를 예측함으로써 프레임 간의 연결 고리를 만듭니다.

두 기술을 결합하면 역동적인 환경에서 실시간 추적이 가능한 강력한 비전 AI 시스템을 구축할 수 있습니다. 예를 들어, 자동화된 보안 시스템은 공간에 들어오는 사람을 탐지하고 프레임 전반에 걸쳐 움직임을 지속적으로 추적할 수 있습니다.

Link to this sectionUltralytics YOLO 모델을 활용한 실시간 추적#

객체 탐지와 추적의 차이점을 다루었으니, 이제 Ultralytics YOLO11과 같은 YOLO 모델이 어떻게 실시간 객체 추적을 지원하는지 살펴보겠습니다.

YOLO 모델 자체가 추적 알고리즘인 것은 아니지만, 각 영상 프레임에서 객체를 탐지하는 필수적인 역할을 수행합니다. 객체가 탐지되면 추적 알고리즘이 각각 고유 ID를 부여하여 시스템이 프레임 간의 움직임을 따라갈 수 있도록 합니다.

이러한 요구 사항을 해결하기 위해 Ultralytics Python 패키지는 BoT-SORT 및 ByteTrack과 같은 유명한 추적 알고리즘을 객체 탐지와 원활하게 통합합니다. 이 통합 덕분에 사용자는 최소한의 설정으로 탐지와 추적을 함께 실행할 수 있습니다.

객체 추적에 YOLO 모델을 사용할 때는 애플리케이션 요구 사항에 따라 적용할 추적 알고리즘을 선택할 수 있습니다. 예를 들어, BoT-SORT는 모션 예측과 딥러닝을 사용하므로 예측 불가능하게 움직이는 객체를 추적하는 데 좋은 선택입니다. 반면, ByteTrack은 혼잡한 장면에서 특히 뛰어난 성능을 발휘하며, 객체가 흐릿하거나 부분적으로 가려져 있어도 안정적인 추적을 유지합니다.

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

Link to this section커스텀 YOLO 모델 학습은 객체 추적과 어떤 관련이 있습니까?#

커스텀 학습은 표준 데이터셋에 포함되지 않은 객체를 인식할 수 있도록 YOLO11과 같은 사전 학습된 객체 탐지 모델을 특정 데이터셋으로 미세 조정하는 과정입니다. 이는 추적 시스템이 커스텀 객체나 흔치 않은 객체를 따라가야 할 때 특히 중요합니다.

추적 시스템은 먼저 탐지 모델이 객체를 인식해야 합니다. YOLO 모델이 특정 기계 장비나 야생 동물 종과 같은 특정 항목을 탐지할 수 없다면, 추적 알고리즘도 해당 객체를 따라갈 수 없습니다.

이것이 바로 커스텀 학습이 필수적인 이유입니다. 커스텀 학습은 탐지 모델이 추적하려는 객체를 정확하게 식별할 수 있도록 보장합니다.

이 과정에서 탐지 모델만 미세 조정된다는 점을 명심해야 합니다. BoT-SORT나 ByteTrack과 같은 추적 알고리즘은 커스텀 학습을 거치지 않으며, 단순히 YOLO 모델의 출력을 사용하여 프레임 전반에서 탐지된 객체를 따라갈 뿐입니다.

Link to this sectionUltralytics YOLO를 활용한 객체 추적 애플리케이션#

이제 객체 추적이 무엇이고 어떻게 작동하는지 이해했으니, 이 기술이 영향을 미치고 있는 실제 애플리케이션 사례를 살펴보겠습니다.

Link to this sectionUltralytics YOLO를 활용한 실시간 속도 추정#

컴퓨터 비전을 기반으로 한 속도 추정 시스템은 객체 탐지 및 추적 작업에 의존합니다. 이 시스템은 차량, 자전거 타는 사람, 혹은 사람 등 객체의 이동 속도를 계산하도록 설계되었습니다. 이 정보는 교통 관리부터 안전 모니터링, 산업 자동화에 이르는 다양한 분야에서 매우 중요합니다.

Ultralytics YOLO11과 같은 모델을 사용하면 영상 프레임 전반에서 객체를 탐지하고 추적할 수 있습니다. 객체가 특정 시간 동안 이동한 거리를 분석하여 시스템이 속도를 추정하는 원리입니다.

그림 3. 속도 추정을 위한 YOLO11의 객체 추적 지원 활용.

Link to this section제조 분야에서의 객체 추적 탐구#

제조 공정은 빠르게 진행되고 매우 복잡하기 때문에 생산되는 모든 항목을 수동으로 추적하기 어렵습니다. 객체 추적은 제품이 생산 각 단계를 거칠 때 이를 자동 모니터링할 수 있는 훌륭한 해결책을 제공합니다. 이는 공장이 속도를 늦추지 않으면서 높은 수준의 정확도와 효율성을 유지하도록 돕습니다.

컨베이어 벨트 위의 제품을 세는 것부터 결함을 발견하거나 올바른 조립을 확인하는 일까지, 객체 추적은 시간 소모가 크거나 오류가 발생하기 쉬운 작업에 가시성과 제어 능력을 부여합니다. 이 기술은 속도와 정밀도가 필수적인 식품 가공, 전자 제품, 포장과 같은 대량 생산 산업에서 특히 큰 효과를 발휘합니다.

그림 4. YOLO11을 사용하여 조립 라인에서 식품을 추적하고 세는 예시.

Link to this section리테일 분석에서의 객체 추적 개요#

매일 수많은 고객이 소매점을 방문하며, 이들의 행동을 이해하는 것은 고객 경험과 비즈니스 성과를 향상하는 데 핵심입니다. 객체 추적을 통해 소매업체는 침습적이거나 수동적인 방식 없이도 유동 인구를 모니터링하고 체류 시간을 측정하며 이동 패턴을 분석할 수 있습니다.

매장에 들어오고 나가며 이동하는 개인을 추적함으로써 기업은 피크 시간, 인기 구역, 대기 줄 길이 등에 대한 인사이트를 얻을 수 있습니다. 이러한 인사이트는 직원 배치, 매장 레이아웃, 재고 배치에 관한 의사 결정의 근거가 되어 운영 효율성을 높이고 매출을 증대시킵니다.

그림 5. YOLO11의 객체 추적 능력을 사용하여 매장 출입 인원 모니터링.

Link to this section객체 추적의 장단점#

소매점부터 공장 현장에 이르기까지 객체 추적은 효율성, 안전, 전반적인 경험과 같은 요소들을 개선하기 위해 다양한 산업에서 사용되고 있습니다. 객체 추적이 여러 산업에 가져올 수 있는 주요 이점은 다음과 같습니다.

• 실시간 알림 활성화: 객체 추적과 통합된 시스템은 제한 구역에 침입자가 발생하거나 배달 물품이 장기간 방치되는 등 비정상적인 상황이 탐지될 때 자동으로 알림을 트리거하도록 설정할 수 있습니다.
• 다른 시스템과의 통합: 객체 추적 데이터는 얼굴 인식, 열화상 카메라, 재고 관리 시스템 등 다른 기술과 결합하여 더욱 강력한 인사이트를 창출할 수 있습니다.
• 장기적인 비용 효율성: 초기 설정에는 투자가 필요할 수 있으나, 자동화된 추적은 수작업을 줄이고 오류율을 낮추며 시간이 지남에 따라 운영 비용을 절감합니다.

이러한 이점들은 객체 추적이 다양한 사용 사례에 긍정적인 영향을 미친다는 것을 보여주지만, 구현 과정에서 고려해야 할 과제들도 있습니다. 객체 추적의 한계점 몇 가지를 자세히 살펴보겠습니다.

• 혼잡한 환경에서의 어려움: 콘서트, 쇼핑 센터, 시내 거리와 같이 붐비는 환경에서는 추적 시스템이 밀접해 있는 사람이나 객체를 구분하는 데 어려움을 겪을 수 있으며, 이로 인해 혼선이 발생하거나 정확하지 않은 결과가 나올 수 있습니다.

• 환경적 요인에 민감: 조명 부족, 안개, 빠른 움직임, 카메라 흔들림은 객체를 정확하게 추적하는 시스템의 능력에 영향을 미칠 수 있으며, 특히 실외나 통제되지 않은 환경에서는 더욱 그렇습니다.

• 개인정보 및 법적 문제: 개인 데이터의 부적절한 처리, 사용자 동의 부족, 공공장소에서의 감시는 윤리적 문제를 야기할 수 있으며 개인정보 보호법 준수 위반으로 이어질 수 있습니다.

Link to this section핵심 요약#

객체 추적은 기계가 시간에 따라 객체의 움직임을 따라갈 수 있도록 하는 컴퓨터 비전 작업입니다. 차량 속도 추정, 조립 라인의 제품 개수 파악부터 스포츠 경기 내 선수 움직임 분석에 이르기까지 광범위한 실제 시나리오에서 사용됩니다.

YOLO11과 같은 비전 AI 모델과 BoT-SORT 및 ByteTrack 같은 추적 알고리즘을 통해 객체 추적은 다양한 산업 분야에서 더 빠르고 스마트하며 접근하기 쉬워졌습니다. 객체 추적 기술이 진화함에 따라 매 프레임마다 시스템은 더욱 지능적이고 효율적이며 반응성 있게 변하고 있습니다.

컴퓨터 비전과 AI에 대해 더 알고 싶으신가요? GitHub 저장소를 탐색하고, 커뮤니티와 소통하며, 라이선스 옵션을 확인하여 컴퓨터 비전 프로젝트를 시작해 보십시오. 제조 분야의 AI나 자동차 산업의 컴퓨터 비전과 같은 혁신적인 사례를 탐구하고 있다면 당사의 솔루션 페이지를 방문하여 자세한 내용을 확인해 보십시오.