객체 추적을 위해 Ultralytics YOLO11을 사용하는 방법

제조 시설의 조립 라인에서 부품의 이동을 모니터링하고 추적하여 품질 관리를 보장하고 워크플로 효율성을 개선하고자 한다고 가정해 보겠습니다. 일반적으로 이는 수동 검사를 수행하거나 기본 센서를 사용하여 항목을 추적하는 과정을 포함하는데, 이는 시간이 많이 걸리고 오류가 발생하기 쉽습니다. 그러나 컴퓨터 비전과 객체 추적을 사용하면 이 과정을 자동화하고 향상시킬 수 있습니다.

Object tracking is a computer vision task that helps detect, identify, and track objects in a video. It can be used for a wide variety of applications, from animal monitoring on farms to security and surveillance in retail stores. The objects being tracked in a video are usually visualized using bounding boxes to help the user see exactly where they are located and detected within the video frame.

Launched during Ultralytics’ annual hybrid event, YOLO Vision 2024 (YV24), Ultralytics YOLO11 is a computer vision model that can handle a wide variety of vision AI tasks, including object tracking. In this article, we’ll explore how object tracking works and discuss real-world applications. We’ll also take a look at how you can try out object tracking using YOLO11. Let’s get started!

그림 1. 소매 매장에서 객체 추적을 위해 YOLO11을 사용하는 예시.

Link to this sectionYOLO11을 활용한 AI 기반 객체 추적#

객체 추적은 필수적인 컴퓨터 비전 기술입니다. 이를 통해 비디오 내 객체를 식별하고 시간 흐름에 따라 추적할 수 있습니다. 객체 추적은 객체 감지와 같은 다른 컴퓨터 비전 작업과 매우 유사해 보일 수 있습니다. 두 작업의 핵심 차이점은 비디오 프레임을 처리하는 방식에 있습니다. 객체 감지는 각 프레임을 개별적으로 살펴보고 이전 또는 미래 프레임을 고려하지 않은 채 객체를 식별하고 분류합니다. 반면, 객체 추적은 프레임 간의 연결 고리를 만들어 시간 흐름에 따라 동일한 객체를 따라가며 그 움직임을 추적합니다.

객체 추적이 어떻게 작동하는지에 대한 더 자세한 설명은 다음과 같습니다:

• 객체 감지: 이 과정은 비디오의 단일 프레임에서 객체를 감지하는 것으로 시작합니다. YOLO11을 사용하여 여러 객체와 그 위치를 정확하게 식별할 수 있습니다.
• 고유 ID 할당: 감지된 각 객체에는 다른 객체와 구별하고 추적을 용이하게 하기 위해 고유 ID가 부여됩니다.
• 프레임 간 움직임 추적: 추적 알고리즘은 후속 프레임 전반에서 객체를 따라가며, 고유 ID와의 연관성을 유지하면서 위치를 업데이트합니다.
• 폐색 처리: 객체가 일시적으로 시야에서 사라지는 경우(예: 다른 객체에 의해 가려짐), 시스템은 객체가 다시 나타나면 추적을 재개하도록 합니다.
• 객체 정보 업데이트: 객체가 이동함에 따라 위치 및 속성(예: 속도 또는 방향)은 시간이 지남에 따른 변화를 반영하기 위해 지속적으로 업데이트됩니다.

Ultralytics는 BoT-SORT 및 ByteTrack과 같은 고급 추적 알고리즘을 활용하여 실시간 객체 추적을 지원합니다. 또한 세그멘테이션 및 포즈 추정 YOLO11 모델과도 원활하게 작동하여 다양한 추적 작업에 유연한 도구가 됩니다.

Link to this sectionYOLO11 객체 추적의 애플리케이션#

Ultralytics YOLO11 모델의 다재다능한 기능은 많은 산업 분야에서 폭넓은 애플리케이션의 가능성을 열어줍니다. 몇 가지 YOLO11 객체 추적 사용 사례를 자세히 살펴보겠습니다.

Link to this section자율 주행 차량 추적을 위한 YOLO11#

객체 추적은 자율 주행 차량이 안전하고 효율적으로 작동하도록 돕는 데 매우 중요합니다. 이러한 차량은 멈추기, 회전하기, 차선 변경하기와 같은 실시간 결정을 내리기 위해 주변 환경을 지속적으로 이해해야 합니다. 객체 감지를 통해 차량은 보행자, 사이클리스트, 다른 차량 및 교통 표지판과 같은 환경의 주요 요소를 식별할 수 있습니다. 그러나 안전한 주행을 위해서는 단일 시점에서 이러한 객체를 감지하는 것만으로는 충분하지 않습니다.

여기서 객체 추적이 필요합니다. 이를 통해 차량은 시간이 지남에 따라 이러한 객체를 따라가며 여러 프레임에 걸쳐 움직임을 추적할 수 있습니다. 예를 들어, 자율 주행 차량이 보행자의 이동 경로를 예측하거나, 주변 차량의 속도와 방향을 모니터링하거나, 신호등이 바뀌지 않았음을 인식하는 데 도움이 됩니다. 감지와 추적을 결합함으로써 자율 주행 차량은 주변 객체의 움직임을 예상하고 선제적으로 대응하며 안전하고 부드럽게 주행할 수 있습니다.

그림 2. YOLO11은 차량을 감지하고 추적하는 데 사용될 수 있습니다.

Link to this section동물 모니터링을 위한 YOLO11 객체 추적 사용#

가축과 같은 농장의 동물 추적은 효과적인 관리에 필수적이지만, 지루하고 시간이 많이 걸리는 작업이 될 수 있습니다. 센서나 태그 사용과 같은 전통적인 방식은 종종 단점이 있습니다. 이러한 장치는 부착 시 동물에게 스트레스를 줄 수 있으며, 쉽게 떨어지거나 손상되기 쉬워 추적을 방해합니다.

컴퓨터 비전은 물리적 태그 없이도 동물을 모니터링하고 추적할 수 있는 더 나은 농가를 위한 솔루션을 제공합니다. 객체 추적은 농부들에게 동물의 행동과 건강에 대한 귀중한 통찰력을 제공할 수 있습니다. 예를 들어, 동물의 걷는 방식에 영향을 미치는 파행과 같은 상태를 감지하는 데 도움이 될 수 있습니다. 객체 추적을 사용하여 농부는 움직임의 미세한 변화를 포착하여 건강 문제를 조기에 해결할 수 있습니다.

건강 모니터링 외에도 컴퓨터 비전은 농부들이 사회적 상호작용, 섭식 습관, 이동 패턴과 같은 다른 행동을 이해하도록 도울 수 있습니다. 이러한 통찰력은 가축 관리 개선, 사료 공급 일정 최적화 및 동물의 전반적인 웰빙 증진에 기여할 수 있습니다. 수동 노동을 줄이고 동물에 대한 스트레스를 최소화함으로써 컴퓨터 비전 기반 추적은 현대 농업을 위한 실용적이고 효율적인 도구입니다.

그림 3. 농부와 소를 추적하기 위해 YOLO11 사용.

Link to this sectionYOLO11을 사용한 제조 분야의 객체 추적#

Object tracking has many use cases in the manufacturing sector. For example, object detection and tracking systems can monitor production lines. Products or raw materials can be easily tracked and counted as they move on a conveyor belt. These systems can also be integrated with other computer vision systems to perform additional tasks. For instance, an item with a defect can be identified using a defect detection system and tracked using object tracking to ensure it’s properly taken care of.

제조 분야에서 객체 추적의 또 다른 중요한 애플리케이션은 안전과 관련이 있습니다. 객체 추적 시스템은 위험할 수 있는 제조 환경에서 작업자를 감지하고 추적하는 데 사용될 수 있습니다. 위험 구역은 컴퓨터 비전 시스템을 사용하여 지속적으로 표시 및 모니터링할 수 있으며, (추적 중인) 작업자가 이러한 구역 근처에 오면 감독자에게 알림을 보낼 수 있습니다. 이러한 안전 시스템은 장비를 감지하고 추적하여 도난 가능성을 예방하는 데에도 사용될 수 있습니다.

그림 4. 작업자 감지에 사용되는 YOLO11 객체 감지 예시.

Link to this sectionYOLO11을 활용한 객체 추적 및 감시#

실시간 객체 추적은 보안 및 감시 시스템에서 널리 사용됩니다. 이러한 시스템은 공공 장소, 교통 허브 및 쇼핑몰과 같은 대규모 소매 환경을 모니터링하는 데 사용될 수 있습니다. 넓고 붐비는 구역에서는 이 기술을 사용하여 의심스러운 개인이나 군중의 행동을 추적함으로써 원활한 감시 솔루션을 제공할 수 있습니다. 예를 들어, 팬데믹 기간 동안 객체 추적 시스템은 붐비는 구역을 추적하고 사람들이 사회적 거리두기를 유지하고 있는지 확인하는 데 사용되었습니다.

객체 추적은 교통 감시에도 사용될 수 있습니다. 객체 추적을 통해 차량의 행동을 추적하고 분석하여 비정상적이거나 의심스러운 행동을 실시간으로 포착함으로써 사고나 범죄를 예방할 수 있습니다. 속도 추정 시스템이 좋은 예입니다. 이들은 차량을 감지하고 추적하여 속도를 결정할 수 있습니다.

그림 5. 객체 추적을 사용하여 속도 추정을 수행할 수 있습니다.

Link to this sectionUltralytics YOLO11로 객체 추적 시도하기#

객체 추적의 일부 애플리케이션을 살펴보았으니, 이제 Ultralytics YOLO11 모델을 사용하여 이를 시도하는 방법을 논의하겠습니다.

시작하려면, pip, conda 또는 Docker를 사용하여 Ultralytics Python 패키지를 설치하십시오. 설치 중 문제가 발생하면 공통 문제 가이드에서 유용한 문제 해결 팁을 확인하실 수 있습니다.

패키지를 설치한 후, 다음 코드를 실행하십시오. 이 코드는 Ultralytics YOLO11 모델을 로드하고 비디오 파일 내의 객체를 추적하는 방법을 설명합니다. 코드에서 사용된 모델은 “yolo11n.pt”입니다. 'n'은 Nano를 의미하며, YOLO11 모델 중 가장 작은 변형입니다. 그 외에도 small, medium, large, extra-large와 같은 다른 모델 변형을 선택할 수 있습니다.

그림 6. YOLO11 모델을 사용한 객체 추적을 보여주는 코드 스니펫.

사전 훈련된 모델 대신 사용자 정의 훈련 모델을 사용할 수도 있습니다. 사용자 정의 훈련은 사전 훈련된 모델을 미세 조정(fine-tuning)하여 특정 애플리케이션에 맞게 조정하는 과정을 포함합니다.

앞서 언급했듯이 객체 추적은 객체 감지, 포즈 추정 및 인스턴스 세그멘테이션과 같은 YOLO11 모델에서 지원됩니다. 추적과 관련된 특정 애플리케이션이 있는 경우 애플리케이션에 따라 이러한 모델 중 하나를 커스텀 훈련할 수 있습니다. Ultralytics Python 패키지 또는 노코드 플랫폼인 Ultralytics HUB를 사용하여 모델을 커스텀 훈련할 수 있습니다.

Link to this section핵심 요약#

Ultralytics YOLO11은 비디오 내 객체를 추적하기 위한 훌륭한 도구이며, 자율 주행 차량, 농업, 제조, 보안 등 다양한 분야에서 사용될 수 있습니다. 실시간으로 객체를 감지하고 따라가며 기업과 산업이 작업자와 장비를 추적할 수 있도록 돕습니다. 이 모델은 사용하기 쉽고 특정 요구 사항에 맞춰 커스터마이징할 수 있어, 컴퓨터 비전 기능을 원활하게 도입하고자 하는 모든 분에게 적합한 옵션입니다.

자세한 내용은 GitHub 저장소를 방문하고, 커뮤니티와 소통하십시오. 솔루션 페이지에서 자율 주행 자동차 및 농업 분야의 AI 애플리케이션을 살펴보십시오. 🚀