객체 추적에 Ultralytics YOLO11을 사용하는 방법

품질 관리를 보장하고 워크플로 효율성을 높이기 위해 제조 시설의 조립 라인에서 부품의 움직임을 모니터링하고 추적하려는 상황을 생각해 보겠습니다. 일반적으로 이 작업에는 수동 검사나 기본 센서로 품목을 추적하는 방법이 사용되며, 시간이 오래 걸리고 오류가 발생하기 쉽습니다. 하지만 컴퓨터 비전과 객체 추적을 활용하면 이 프로세스를 자동화하고 개선할 수 있습니다.

객체 추적은 동영상에서 객체를 감지하고 식별하며 추적하는 데 도움이 되는 컴퓨터 비전 작업입니다. 농장의 동물 모니터링부터 소매점의 보안 및 감시까지 다양한 애플리케이션에 활용할 수 있습니다. 동영상에서 추적되는 객체는 사용자가 동영상 프레임 안에서 객체의 위치와 감지 여부를 정확히 확인할 수 있도록 일반적으로 바운딩 박스로 시각화합니다.

Ultralytics의 연례 하이브리드 행사인 YOLO Vision 2024 (YV24)에서 공개된 Ultralytics YOLO11은 객체 추적을 포함한 다양한 비전 AI 작업을 처리할 수 있는 컴퓨터 비전 모델입니다. (YOLO11은 이후 Ultralytics YOLO26으로 대체되었습니다.) 이 문서에서는 객체 추적의 작동 방식을 살펴보고 실제 애플리케이션을 알아봅니다. YOLO11을 사용해 객체 추적을 시험하는 방법도 살펴보겠습니다. 시작해 보겠습니다!

그림 1. 소매 매장에서 객체 추적에 Ultralytics YOLO11을 사용하는 예시입니다.

Ultralytics YOLO11을 활용한 AI 기반 객체 추적#

객체 추적은 필수적인 컴퓨터 비전 기술입니다. 동영상 속 객체를 식별하고 시간에 따라 추적할 수 있게 해줍니다. 객체 추적은 또 다른 컴퓨터 비전 작업인 객체 감지와 매우 비슷해 보일 수 있습니다. 두 작업의 핵심 차이는 동영상 프레임을 처리하는 방식에 있습니다. 객체 감지는 각 프레임을 개별적으로 살펴보고 이전 또는 이후 프레임을 고려하지 않은 채 객체를 식별하고 분류합니다. 반면 객체 추적은 프레임 간의 연결 관계를 파악해 시간에 따라 동일한 객체를 따라가며 움직임을 기록합니다.

객체 추적의 작동 방식을 좀 더 자세히 살펴보겠습니다.

• 객체 감지: 동영상의 단일 프레임에서 객체를 감지하는 것으로 프로세스가 시작됩니다. YOLO11을 사용하면 여러 객체와 해당 위치를 정확하게 식별할 수 있습니다.
• 고유 ID 할당: 탐지된 각 객체에 고유 ID를 부여하여 다른 객체와 구분하고 추적을 더 쉽게 합니다.
• 프레임 간 움직임 추적: 추적 알고리즘이 이후 프레임에서 객체를 따라가며, 객체의 고유 ID와의 연결 관계를 유지하는 동시에 위치를 업데이트합니다.
• 가림 처리: 객체가 일시적으로 시야에서 사라지는 경우(예: 다른 객체에 가려진 경우), 추적기는 객체가 다시 나타났을 때 동일한 ID로 추적을 재개하는 것을 목표로 합니다.
• 객체 정보 업데이트: 객체가 이동하면 시간에 따른 변화를 반영하기 위해 위치와 속성(속도나 방향 등)을 지속적으로 업데이트합니다.

Ultralytics는 BoT-SORT, ByteTrack과 같은 추적 알고리즘을 사용한 실시간 객체 추적을 지원합니다. 또한 분할 및 포즈 추정 YOLO11 모델과도 함께 작동하므로 다양한 추적 작업에 유연하게 활용할 수 있습니다.

Ultralytics YOLO11 객체 추적의 활용 사례#

Ultralytics YOLO11 모델의 다재다능한 기능은 여러 산업에서 다양한 애플리케이션의 가능성을 열어 줍니다. YOLO11을 활용한 객체 추적 사례를 자세히 살펴보겠습니다.

자율주행 차량 추적을 위한 Ultralytics YOLO11#

객체 추적은 자율주행차가 안전하고 효율적으로 운행하는 데 매우 중요합니다. 자율주행차는 정지, 회전, 차선 변경과 같은 실시간 결정을 내리기 위해 주변 환경을 지속해서 파악해야 합니다. 객체 감지를 통해 차량은 보행자, 자전거 이용자, 다른 차량, 교통 표지판 등 주변 환경의 주요 요소를 식별할 수 있습니다. 하지만 특정 시점에 이러한 객체를 감지하는 것만으로는 안전한 주행에 충분하지 않습니다.

이때 객체 추적이 필요합니다. 객체 추적을 통해 차량은 여러 프레임에 걸쳐 객체의 움직임을 추적하며 시간에 따라 객체를 따라갈 수 있습니다. 예를 들어 자율주행차가 보행자가 향하는 방향을 예측하고, 주변 차량의 속도와 방향을 모니터링하거나, 신호등이 바뀌지 않았음을 인식하도록 돕습니다. 자율주행차는 감지와 추적을 결합해 주변 객체의 움직임을 예측하고 선제적으로 대응하며 안전하고 원활하게 주행할 수 있습니다.

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

Ultralytics YOLO11 객체 추적으로 동물 모니터링하기#

소와 같은 농장 동물을 추적하는 일은 효과적인 관리에 매우 중요하지만, 번거롭고 시간이 오래 걸릴 수 있습니다. 센서나 태그를 사용하는 기존 방식에는 단점이 있는 경우가 많습니다. 장치를 부착하면 동물에게 스트레스를 줄 수 있고, 떨어지거나 손상되기 쉬워 추적에 지장을 줍니다.

컴퓨터 비전은 농부가 물리적 태그 없이 동물을 모니터링하고 추적할 수 있는 더 나은 솔루션을 제공합니다. 객체 추적은 동물의 행동과 건강에 관한 유용한 정보를 농부에게 제공할 수 있습니다. 예를 들어 동물의 보행 방식에 영향을 주는 파행과 같은 상태를 감지하는 데 도움이 됩니다. 객체 추적을 사용하면 농부는 움직임의 미묘한 변화를 파악하고 건강 문제에 조기에 대응할 수 있습니다.

건강 모니터링뿐만 아니라 컴퓨터 비전은 농부가 사회적 상호작용, 식습관, 이동 패턴과 같은 다른 행동을 이해하는 데도 도움이 됩니다. 이러한 정보는 가축 관리 개선, 급여 일정 최적화, 동물의 전반적인 복지 증진에 기여할 수 있습니다. 수작업을 줄이고 동물의 스트레스를 최소화하는 컴퓨터 비전 기반 추적은 현대 농업을 위한 실용적이고 효율적인 도구입니다.

그림 3. Ultralytics YOLO11을 사용하여 농부와 소를 추적합니다.

Ultralytics YOLO11을 활용한 제조업의 객체 추적#

제조업에는 객체 추적의 다양한 활용 사례가 있습니다. 예를 들어 객체 감지 및 추적 시스템으로 생산 라인을 모니터링할 수 있습니다. 컨베이어 벨트 위를 이동하는 제품이나 원자재를 쉽게 추적하고 계수할 수 있습니다. 이러한 시스템은 다른 컴퓨터 비전 시스템과 통합해 추가 작업을 수행할 수도 있습니다. 예를 들어 결함 감지 시스템으로 결함이 있는 품목을 식별하고 객체 추적으로 추적해 적절히 처리되도록 할 수 있습니다.

제조업에서 객체 추적의 또 다른 중요한 활용 분야는 안전입니다. 객체 추적 시스템은 잠재적으로 위험한 제조 환경에서 작업자를 감지하고 추적하는 데 사용할 수 있습니다. 컴퓨터 비전 시스템으로 위험 구역을 표시하고 지속적으로 모니터링할 수 있으며, 추적 중인 작업자가 해당 구역에 접근하면 관리자에게 알릴 수 있습니다. 이러한 안전 시스템은 장비를 감지하고 추적하는 데도 사용해 도난 가능성을 줄일 수 있습니다.

그림 4. 작업자 탐지에 YOLO11 객체 탐지를 사용하는 예시입니다.

Ultralytics YOLO11을 활용한 객체 추적 및 감시#

실시간 객체 추적은 보안 및 감시 시스템에 널리 사용됩니다. 공공장소, 교통 허브, 쇼핑몰과 같은 대형 소매 시설을 모니터링하는 데 활용할 수 있습니다. 혼잡한 대규모 공간에서는 이 기술로 의심스러운 사람이나 군중의 행동을 추적해 지속적으로 모니터링할 수 있습니다. 예를 들어 팬데믹 기간에는 혼잡한 구역을 추적하고 사람들이 사회적 거리두기를 지키는지 확인하기 위해 객체 추적 시스템이 사용되었습니다.

객체 추적은 교통 감시에도 사용할 수 있습니다. 객체 추적을 통해 차량의 움직임을 추적하고 분석할 수 있으며, 사고나 범죄를 예방하기 위해 비정상적이거나 의심스러운 행동을 실시간으로 포착할 수 있습니다. 속도 추정 시스템이 좋은 예입니다. 이 시스템은 차량을 감지하고 추적해 속도를 측정할 수 있습니다.

그림 5. 객체 추적을 사용하여 속도를 추정할 수 있습니다.

Ultralytics YOLO11로 객체 추적 사용해 보기#

객체 추적의 활용 사례를 살펴보았으니 이제 Ultralytics YOLO11 모델과 추적 모드를 사용해 직접 시험하는 방법을 알아보겠습니다.

시작하려면 pip, conda 또는 Docker를 사용해 Ultralytics Python 패키지를 설치합니다. 설치 중 문제가 발생하면 일반적인 문제 가이드에서 유용한 문제 해결 방법을 확인할 수 있습니다.

패키지를 성공적으로 설치한 뒤 다음 코드를 실행합니다. 이 코드는 Ultralytics YOLO11 모델을 불러와 동영상 파일에서 객체를 추적하는 방법을 보여 줍니다. 코드에서 사용하는 모델은 “yolo11n.pt”입니다. ‘n’은 YOLO11 모델 중 가장 작은 Nano 변형을 의미합니다. small, medium, large, extra-large 등 다른 모델 변형도 선택할 수 있습니다.

그림 6. Ultralytics YOLO11 모델을 사용한 객체 추적을 보여 주는 코드 스니펫입니다.

사전 학습된 모델 대신 사용자 정의 학습 모델을 사용할 수도 있습니다. 사용자 정의 학습은 특정 애플리케이션에 맞게 사전 학습된 모델을 미세 조정하는 과정입니다.

앞서 언급했듯이 객체 추적은 객체 감지, 포즈 추정, 인스턴스 분할 등 다음 YOLO11 모델에서 지원됩니다. 추적을 포함하는 특정 애플리케이션이 있다면 용도에 따라 이러한 모델을 사용자 정의 학습할 수 있습니다. Ultralytics Python 패키지 또는 코드 없이 사용할 수 있는 플랫폼인 Ultralytics HUB(현재 Ultralytics Platform)를 사용해 모델을 사용자 정의 학습할 수 있습니다.

핵심 요점#

Ultralytics YOLO11은 동영상에서 객체를 추적하는 데 유용한 도구이며 자율주행차, 농업, 제조, 보안 등 다양한 분야에서 사용할 수 있습니다. 객체를 실시간으로 감지하고 추적해 기업과 산업 현장에서 작업자와 장비를 파악하는 데 도움을 줍니다. 사용하기 쉽고 특정 요구에 맞게 사용자 정의할 수 있어 컴퓨터 비전을 도입하려는 누구에게나 적합한 선택입니다.

자세한 내용은 GitHub 저장소를 방문하고 커뮤니티에 참여해 보세요. 솔루션 페이지에서 자율주행차와 농업 분야의 AI 애플리케이션을 살펴보세요.