객체 추적을 위해 Ultralytics YOLO11을 사용하는 방법

제조 manufacturing 시설의 조립 라인에서 부품의 움직임을 모니터링하고 추적하여 품질 관리를 보장하고 워크플로 효율성을 개선하고자 한다고 가정해 보겠습니다. 일반적으로 이는 수동 검사나 기본 센서를 사용하여 항목을 추적하는 방식을 포함하며, 이는 시간이 오래 걸리고 오류가 발생하기 쉽습니다. 그러나 컴퓨터 비전과 객체 추적을 사용하면 이 프로세스를 자동화하고 개선할 수 있습니다.

객체 추적은 비디오에서 객체를 감지, 식별 및 추적하는 데 도움이 되는 컴퓨터 비전 작업입니다. 농장의 동물 모니터링부터 소매점의 보안 및 감시에 이르기까지 매우 다양한 애플리케이션에 사용할 수 있습니다. 비디오에서 추적 중인 객체는 일반적으로 바운딩 박스를 사용하여 시각화되므로 사용자가 비디오 프레임 내에서 해당 객체의 정확한 위치와 감지된 위치를 파악하는 데 도움이 됩니다.

Ultralytics 연례 하이브리드 이벤트인 YOLO Vision 2024 (YV24)에서 출시된 Ultralytics YOLO11은 객체 추적을 포함하여 매우 다양한 비전 AI 작업을 처리할 수 있는 컴퓨터 비전 모델입니다. 이 글에서는 객체 추적의 작동 방식과 실제 애플리케이션에 대해 알아봅니다. 또한 YOLO11을 사용하여 객체 추적을 직접 시도해 보는 방법에 대해서도 살펴보겠습니다. 시작하겠습니다!

그림 1. 소매점에서 객체 추적을 위해 Ultralytics YOLO11을 사용하는 예시.

Ultralytics YOLO11을 활용한 AI 기반 객체 추적#

객체 추적은 필수적인 컴퓨터 비전 기술입니다. 비디오 내의 객체를 식별하고 시간에 따라 추적할 수 있게 해 줍니다. 객체 추적은 또 다른 컴퓨터 비전 작업인 객체 감지와 매우 유사해 보일 수 있습니다. 두 작업 간의 핵심적인 차이점은 비디오 프레임을 처리하는 방식에 있습니다. 객체 감지는 각 프레임을 개별적으로 살펴보며 이전 또는 미래 프레임을 고려하지 않고 객체를 식별하고 분류합니다. 반면 객체 추적은 프레임 간의 연결고리를 형성하여 동일한 객체를 시간에 따라 추적하고 그 움직임을 기록합니다.

다음은 객체 추적의 작동 방식에 대한 보다 자세한 단계별 설명입니다:

• 객체 감지: 프로세스는 비디오의 단일 프레임에서 객체를 감지하는 것으로 시작됩니다. 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 이동 추적: 추적 알고리즘은 후속 프레임에서 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 분할 및 포즈 추정 YOLO11 모델과 원활하게 연동되므로 다양한 추적 작업에 유연한 도구가 됩니다.

Ultralytics YOLO11 객체 추적의 활용 사례#

Ultralytics YOLO11 모델의 다목적 기능은 다양한 산업 분야에서 광범위한 잠재적 응용 분야를 열어줍니다. YOLO11 객체 추적 유스케이스를 좀 더 자세히 살펴보겠습니다.

자율주행차 추적을 위한 Ultralytics YOLO11#

객체 추적은 자율주행 자동차가 안전하고 효율적으로 작동하는 데 매우 중요합니다. 이러한 차량은 정지, 회전, 차선 변경 등의 실시간 결정을 내리기 위해 주변 환경을 지속적으로 이해해야 합니다. 객체 감지를 통해 차량은 보행자, 자전거 이용자, 다른 차량 및 교통표지판과 같은 환경의 주요 요소를 식별할 수 있습니다. 그러나 단일 시점에서 이러한 객체를 감지하는 것만으로는 안전한 주행에 충분하지 않습니다.

여기서 객체 추적이 중요한 역할을 합니다. 차량이 시간에 따라 이러한 객체를 따라가며 여러 프레임에 걸쳐 움직임을 추적할 수 있게 해 줍니다. 예를 들어 자율주행 차량이 보행자의 이동 방향을 예측하고, 근처 차량의 속도와 방향을 모니터링하며, 신호등이 바뀌지 않았음을 인식하는 데 도움이 됩니다. 감지와 추적을 결합함으로써 자율주행 자동차는 주변 객체의 움직임을 예측하고 선제적으로 대응하여 안전하고 부드럽게 주행할 수 있습니다.

그림 2. Ultralytics YOLO11을 사용하여 차량을 감지하고 추적할 수 있습니다.

Ultralytics YOLO11 객체 추적을 이용한 동물 모니터링#

소와 같은 농장의 동물 추적은 효과적인 관리를 위해 필수적이지만 지루하고 시간이 많이 걸리는 작업일 수 있습니다. 센서나 태그를 사용하는 것과 같은 전통적인 방법은 종종 단점이 있습니다. 이러한 장치는 부착할 때 동물에게 스트레스를 줄 수 있으며 떨어지거나 손상되기 쉬워 추적에 차질을 빚습니다.

Computer vision은 물리적 태그 없이도 동물을 모니터링하고 추적할 수 있는 더 나은 solution for farmers를 제공합니다. 객체 추적은 farmers에게 동물의 행동과 건강에 대한 유용한 인사이트를 제공할 수 있습니다. 예를 들어, 동물의 걷는 스타일에 영향을 미치는 파행과 같은 상태를 감지하는 데 도움이 될 수 있습니다. 객체 추적을 사용하여 farmers는 움직임의 미세한 변화를 파악하고 건강 문제를 조기에 해결할 수 있습니다.

건강 모니터링 외에도 컴퓨터 비전은 농부가 사회적 상호작용, 식습관, 이동 패턴과 같은 다른 행동을 이해하는 데 도움을 줄 수 있습니다. 이러한 통찰력은 축군 관리 개선, 급여 일정 최적화, 동물 복지 증진으로 이어질 수 있습니다. 수작업을 줄이고 동물의 스트레스를 최소화함으로써 컴퓨터 비전 기반 추적은 현대 농업을 위한 실용적이고 효율적인 도구입니다.

그림 3. Ultralytics YOLO11을 사용하여 농부와 소를 추적하는 모습.

Ultralytics YOLO11을 활용한 제조 공정 내 객체 추적#

객체 추적은 제조 부문에서 많은 유스케이스를 가지고 있습니다. 예를 들어 객체 감지 및 추적 시스템은 생산 라인을 모니터링할 수 있습니다. 제품이나 원자재는 컨베이어 벨트를 따라 이동할 때 쉽게 추적하고 카운트할 수 있습니다. 또한 이러한 시스템을 다른 컴퓨터 비전 시스템과 통합하여 추가 작업을 수행할 수 있습니다. 예를 들어 결함이 있는 품목은 결함 감지 시스템을 사용하여 식별하고 객체 추적을 사용하여 적절히 처리되도록 보장할 수 있습니다.

제조 분야에서 객체 추 또 다른 중요한 응용 분야는 안전과 관련이 있습니다. 객체 추적 시스템은 잠재적으로 위험한 제조 환경에서 작업자를 감지하고 추적하는 데 사용할 수 있습니다. 컴퓨터 비전 시스템을 사용하여 위험 지역을 표시하고 지속적으로 모니터링할 수 있으며, (추적 중인) 작업자가 이러한 지역에 접근할 경우 관리자에게 알림을 보낼 수 있습니다. 이러한 안전 시스템은 장비를 감지하고 추적하여 도난 가능성을 방지하는 데도 사용할 수 있습니다.

그림 4. 작업자를 감지하는 데 사용되는 YOLO11 객체 감지의 예.

Ultralytics YOLO11을 활용한 객체 추적 및 보안 감시#

실시간 객체 추적은 보안 및 감시 시스템에서 널리 사용됩니다. 이 시스템은 monitor public places, transportation hubs 및 쇼핑몰과 같은 대형 retail environments를 모니터링하는 데 사용할 수 있습니다. 크고 혼잡한 구역에서는 이 기술을 사용하여 수상한 개인이나 군중의 행동을 추적할 수 있으며, 원활한 감시 솔루션을 제공합니다. 예를 들어, 팬데믹 기간 동안 객체 추적 시스템은 혼잡한 구역을 추적하고 사람들이 사회적 거리두기를 유지하고 있는지 확인하는 데 사용되었습니다.

객체 추적은 교통 감시에도 사용할 수 있습니다. 객체 추적을 통해 차량의 주행 거동을 추적 및 분석할 수 있으며, 비정상적이거나 의심스러운 행동을 실시간으로 포착하여 사고나 범죄를 예방하는 데 도움을 줍니다. 대표적인 예가 속도 추정 시스템입니다. 이 시스템은 차량을 감지하고 추적하여 속도를 판별할 수 있습니다.

그림 5. 객체 추적을 사용하여 속도를 추정할 수 있습니다.

Ultralytics YOLO11로 객체 추적 시도하기#

몇 가지 객체 추적 애플리케이션을 살펴보았으므로, 이제 Ultralytics YOLO11 모델을 사용하여 이를 직접 시도해 보는 방법에 대해 논의해 보겠습니다.

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

패키지를 성공적으로 설치한 후 다음 코드를 실행하세요. Ultralytics YOLO11 모델을 로드하고 비디오 파일에서 객체를 추적하는 데 사용하는 방법을 설명합니다. 코드에 사용된 모델은 “yolo11n.pt”입니다. ‘n’은 YOLO11 모델의 가장 작은 변형인 Nano를 의미합니다. 이외에도 small, medium, large, extra-large와 같은 다른 모델 변형을 선택할 수 있습니다.

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

사전 학습된 모델 대신 사용자 정의 학습된 모델을 선택하여 사용할 수도 있습니다. 사용자 정의 학습은 사전 학습된 모델을 특정 애플리케이션에 맞게 미세 조정하는 것을 포함합니다.

앞서 언급했듯이 객체 추적은 객체 감지, 포즈 추정, 인스턴스 분할의 YOLO11 모델에서 지원됩니다. 추적과 관련된 특정 애플리케이션이 있는 경우 용도에 따라 이러한 모델 중 하나를 사용자 정의 학습할 수 있습니다. Ultralytics Python 패키지 또는 노코드 플랫폼인 Ultralytics HUB를 사용하여 모델을 사용자 정의 학습할 수 있습니다.

핵심 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 방문하시고 커뮤니티에 참여해 보세요. 솔루션 페이지에서 자율주행차 및 농업 분야의 AI 애플리케이션을 살펴보세요. 🚀