객체 추적을 위해 Ultralytics YOLO11을 사용하는 방법

제조 시설에서 조립 라인의 부품 움직임을 모니터링하고 추적하여 품질 관리를 보장하고 워크플로우 효율성을 개선한다고 가정해 보겠습니다. 일반적으로 여기에는 수동 검사 또는 품목을 추적하기 위한 기본 센서 사용이 포함되며, 이는 시간이 많이 걸리고 오류가 발생하기 쉽습니다. 그러나 컴퓨터 비전 및 객체 추적을 사용하여 이 프로세스를 자동화하고 개선할 수 있습니다. 

객체 추적은 비디오에서 객체를 감지, 식별 및 추적하는 데 도움이 되는 컴퓨터 비전 작업입니다. 농장에서의 동물 모니터링부터 소매점에서의 보안 및 감시에 이르기까지 광범위한 애플리케이션에 사용할 수 있습니다. 비디오에서 추적되는 객체는 일반적으로 사용자가 비디오 프레임 내에서 정확히 어디에 위치하고 감지되었는지 확인할 수 있도록 바운딩 박스를 사용하여 시각화됩니다.

Ultralytics의 연례 하이브리드 이벤트인 YOLO Vision 2024 (YV24)에서 출시된 Ultralytics YOLO11은 객체 추적을 포함하여 광범위한 Vision AI 작업을 처리할 수 있는 컴퓨터 비전 모델입니다. 이 기사에서는 객체 추적이 어떻게 작동하는지 살펴보고 실제 응용 분야에 대해 논의합니다. 또한 YOLO11을 사용하여 객체 추적을 시도하는 방법도 살펴볼 것입니다. 시작해 보겠습니다!

‍

YOLO11을 사용한 AI 기반 객체 추적

객체 추적은 필수적인 컴퓨터 비전 기술입니다. 비디오에서 객체를 식별하고 시간이 지남에 따라 추적할 수 있습니다. 객체 추적은 또 다른 컴퓨터 비전 작업인 객체 탐지와 매우 유사해 보일 수 있습니다. 둘의 주요 차이점은 비디오 프레임을 처리하는 방식에 있습니다. 객체 탐지는 이전 또는 이후 프레임을 고려하지 않고 각 프레임을 개별적으로 보고 객체를 식별하고 분류합니다. 반면에 객체 추적는 프레임 간의 점을 연결하여 시간이 지남에 따라 동일한 객체를 추적하고 움직임을 추적합니다.

다음은 객체 추적 작동 방식에 대한 자세한 안내입니다.

• 객체 감지: 프로세스는 비디오의 단일 프레임에서 객체를 감지하는 것으로 시작됩니다. YOLO11을 사용하여 여러 객체와 해당 위치를 정확하게 식별할 수 있습니다.
  ‍
• 고유 ID 할당: 탐지된 각 객체에는 다른 객체와 구별하고 추적을 용이하게 하기 위해 고유 ID가 부여됩니다.
  ‍
• Track movement(움직임 추적) across frames(프레임 간): 추적 알고리즘은 후속 프레임에서 객체를 따라가면서 고유 ID와의 연결을 유지하면서 위치를 업데이트합니다.
  ‍
• 폐색 처리: 객체가 일시적으로 시야에서 사라지는 경우(예: 다른 객체에 의해 가려지는 경우) 시스템은 객체가 다시 나타나면 추적을 재개합니다.
  ‍
• 객체 정보 업데이트: 객체가 이동함에 따라 위치와 속성(예: 속도 또는 방향)이 시간 경과에 따른 변경 사항을 반영하도록 지속적으로 업데이트됩니다.

Ultralytics는 BoT-SORT 및 ByteTrack과 같은 고급 추적 알고리즘을 활용하여 실시간 객체 추적을 지원합니다. 또한 분할 및 자세 추정 YOLO11 모델과 원활하게 작동하므로 광범위한 추적 작업을 위한 유연한 도구입니다.

YOLO11 객체 추적의 응용 분야

Ultralytics YOLO11 모델의 다재다능한 기능은 여러 산업 분야에서 광범위한 응용 가능성을 열어줍니다. 몇 가지 YOLO11 객체 추적 사용 사례를 자세히 살펴보겠습니다.

YOLO11, 자율 주행 차량 추적용

객체 추적은 자율 주행 자동차가 안전하고 효율적으로 작동하는 데 매우 중요합니다. 이러한 차량은 정지, 회전 또는 차선 변경과 같은 실시간 결정을 내리기 위해 주변 환경을 지속적으로 이해해야 합니다. 객체 탐지를 통해 자동차는 보행자, 자전거 이용자, 다른 차량 및 교통 표지판과 같은 환경의 주요 요소를 식별할 수 있습니다. 그러나 안전한 탐색을 위해서는 단일 순간에 이러한 객체를 탐지하는 것만으로는 충분하지 않습니다.

객체 추적이 바로 그 역할을 합니다. 객체 추적을 통해 자동차는 여러 프레임에서 움직임을 추적하여 시간이 지남에 따라 이러한 객체를 따라갈 수 있습니다. 예를 들어, 자율 주행 차량이 보행자가 향하는 위치를 예측하고, 주변 차량의 속도와 방향을 모니터링하거나, 신호등이 바뀌지 않았음을 인식하는 데 도움이 됩니다. 감지 및 추적을 결합함으로써 자율 주행차는 주변 물체의 움직임을 예측하고, 사전에 대응하며, 안전하고 원활하게 주행할 수 있습니다.

‍

동물 모니터링을 위한 YOLO11 객체 추적 사용

소와 같은 농장의 동물 추적은 효과적인 관리에 필수적이지만 지루하고 시간이 많이 소요되는 작업일 수 있습니다. 센서나 태그를 사용하는 것과 같은 기존 방법은 종종 단점이 있습니다. 이러한 장치는 부착 시 동물에게 스트레스를 줄 수 있으며 떨어지거나 손상되기 쉬워 추적을 방해합니다.

컴퓨터 비전은 농부에게 물리적 태그 없이 동물을 모니터링하고 추적할 수 있는 더 나은 솔루션을 제공합니다. 객체 추적은 농부에게 동물의 행동과 건강에 대한 귀중한 통찰력을 제공할 수 있습니다. 예를 들어, 동물의 걸음걸이에 영향을 미치는 절뚝거림과 같은 상태를 감지하는 데 도움이 될 수 있습니다. 객체 추적을 사용하여 농부들은 움직임의 미묘한 변화를 발견하고 건강 문제를 조기에 해결할 수 있습니다.

건강 모니터링 외에도 컴퓨터 비전은 농부들이 사회적 상호 작용, 식습관 및 이동 패턴과 같은 다른 행동을 이해하는 데 도움을 줄 수 있습니다. 이러한 통찰력은 가축 관리 개선, 사료 공급 일정 최적화 및 동물의 전반적인 웰빙을 증진할 수 있습니다. 수동 노동을 줄이고 동물의 스트레스를 최소화함으로써 컴퓨터 비전 기반 추적은 현대 농업을 위한 실용적이고 효율적인 도구입니다.

‍

YOLO11을 사용한 제조 분야에서의 객체 추적

객체 추적은 제조 분야에서 많은 활용 사례를 가지고 있습니다. 예를 들어 객체 탐지 및 추적 시스템은 생산 라인을 모니터링할 수 있습니다. 제품 또는 원자재는 컨베이어 벨트에서 이동할 때 쉽게 추적하고 계수할 수 있습니다. 이러한 시스템은 다른 컴퓨터 비전 시스템과 통합되어 추가 작업을 수행할 수도 있습니다. 예를 들어 결함 감지 시스템을 사용하여 결함이 있는 품목을 식별하고 객체 추적을 사용하여 적절하게 처리되도록 추적할 수 있습니다.

제조 분야에서 객체 추적의 또 다른 중요한 응용 분야는 안전과 관련이 있습니다. 객체 추적 시스템은 잠재적으로 위험한 제조 환경에서 작업자를 감지하고 추적하는 데 사용할 수 있습니다. 위험 지역은 컴퓨터 비전 시스템을 사용하여 지속적으로 표시하고 모니터링할 수 있으며, 추적 중인 작업자가 해당 지역에 가까워지면 감독자에게 알릴 수 있습니다. 이러한 안전 시스템은 장비를 감지하고 추적하여 도난 가능성을 방지하는 데에도 사용할 수 있습니다. 

‍

YOLO11을 사용한 객체 추적 및 감시

실시간 객체 추적은 보안 및 감시 시스템에서 널리 사용됩니다. 이러한 시스템은 공공장소, 교통 허브 및 쇼핑몰과 같은 대형 소매 환경을 모니터링하는 데 사용될 수 있습니다. 넓고 혼잡한 지역에서는 이 기술을 사용하여 의심스러운 사람이나 군중 행동을 추적하여 원활한 감시 솔루션을 제공할 수 있습니다. 예를 들어, 팬데믹 기간 동안 객체 추적 시스템은 혼잡한 지역을 추적하고 사람들이 사회적 거리두기를 유지하고 있는지 확인하는 데 사용되었습니다.

객체 추적은 교통 감시에도 사용될 수 있습니다. 객체 추적을 통해 차량의 움직임을 추적하고 분석하여 사고나 범죄를 예방하는 데 도움이 되는 비정상적이거나 의심스러운 행동을 실시간으로 감지할 수 있습니다. 좋은 예로 속도 추정 시스템이 있습니다. 이 시스템은 차량을 감지하고 추적하여 속도를 판단할 수 있습니다.

‍

Ultralytics YOLOv11을 사용하여 객체 추적을 사용해 보세요.

이제 객체 추적 응용 프로그램 중 일부를 살펴보았으니, Ultralytics YOLO11 모델을 사용하여 어떻게 시도해 볼 수 있는지 논의해 보겠습니다. 

시작하려면 pip, conda 또는 Docker를 사용하여 Ultralytics Python 패키지를 설치하세요. 설치 중에 문제가 발생하면 일반적인 문제 해결 가이드에서 유용한 문제 해결 팁을 제공합니다. 

패키지를 성공적으로 설치했으면 다음 코드를 실행합니다. Ultralytics YOLO11 모델을 로드하고 이를 사용하여 비디오 파일에서 객체를 추적하는 방법을 설명합니다. 코드에 사용된 모델은 “yolo11n.pt”입니다. ‘n’은 YOLO11 모델의 가장 작은 변형인 Nano를 나타냅니다. 스몰, 미디엄, 라지, 엑스트라 라지와 같은 다른 모델 변형도 선택할 수 있습니다.

‍

사전 훈련된 모델 대신 사용자 정의 훈련된 모델을 선택할 수도 있습니다. 사용자 정의 훈련은 특정 애플리케이션에 맞게 사전 훈련된 모델을 미세 조정하는 것을 포함합니다. 

앞서 언급했듯이 객체 추적은 다음 YOLO11 모델에서 지원됩니다. 객체 감지, 포즈 추정 및 인스턴스 분할. 추적과 관련된 특정 애플리케이션이 있는 경우 애플리케이션에 따라 이러한 모델을 맞춤형으로 학습시킬 수 있습니다. Ultralytics Python 패키지 또는 노코드 플랫폼인 Ultralytics HUB를 사용하여 모델을 맞춤형으로 학습시킬 수 있습니다. 

주요 내용

Ultralytics YOLO11은 비디오에서 객체를 추적하는 데 유용한 도구이며 자율 주행 자동차, 농업, 제조 및 보안과 같은 다양한 분야에서 사용할 수 있습니다. 실시간으로 객체를 감지하고 추적하여 기업과 산업이 작업자와 장비를 추적하는 데 도움이 됩니다. 이 모델은 사용하기 쉽고 특정 요구 사항에 맞게 사용자 정의할 수 있으므로 컴퓨터 비전 기능을 원활하게 채택하는 데 관심이 있는 모든 사람에게 적합한 옵션입니다. 

자세한 내용은 GitHub 리포지토리를 방문하여 커뮤니티에 참여하십시오. 솔루션 페이지에서 자율 주행 자동차 및 농업 분야의 AI 애플리케이션을 살펴보십시오. 🚀