객체 추적에 Ultralytics YOLO11을 사용하는 방법

제조 시설의 생산 라인에서 부품의 이동을 모니터링하고 추적하여 품질 관리를 보장하고 작업 흐름의 효율성을 개선하려고 한다고 가정해 보겠습니다. 일반적으로 이러한 작업에는 수동 검사나 기본 센서를 사용한 품목 추적이 필요하며, 시간이 오래 걸리고 오류가 발생하기 쉽습니다. 그러나 컴퓨터 비전과 객체 추적을 사용하면 이 프로세스를 자동화하고 개선할 수 있습니다.

객체 추적은 동영상에서 객체를 감지하고 식별하며 추적하는 데 도움이 되는 컴퓨터 비전 작업입니다. 농장에서의 동물 모니터링부터 소매 매장의 보안 및 감시에 이르기까지 매우 다양한 애플리케이션에 사용할 수 있습니다. 동영상에서 추적되는 객체는 일반적으로 바운딩 박스를 사용하여 시각화하므로, 사용자가 동영상 프레임 내 객체의 정확한 위치와 감지 여부를 확인할 수 있습니다.

Ultralytics 연례 하이브리드 이벤트인 YOLO Vision 2024 (YV24)에서 공개된 Ultralytics YOLO11은 객체 추적을 포함한 다양한 비전 AI 작업을 처리할 수 있는 컴퓨터 비전 모델입니다. 이 글에서는 객체 추적의 작동 방식과 실제 애플리케이션을 살펴봅니다. 또한 YOLO11을 사용하여 객체 추적을 직접 시도하는 방법도 알아봅니다. 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. 이를 통해 동영상 속 객체를 식별하고 시간의 흐름에 따라 추적할 수 있습니다. 객체 추적은 또 다른 컴퓨터 비전 작업인 객체 감지와 매우 유사해 보일 수 있습니다. 두 작업의 주요 차이점은 동영상 프레임을 처리하는 방식에 있습니다. 객체 감지는 각 프레임을 개별적으로 분석하여 이전 또는 이후 프레임을 고려하지 않고 객체를 식별하고 분류합니다. 반면 객체 추적은 프레임 간의 연결 관계를 파악하여 시간의 흐름에 따라 동일한 객체를 추적하고 이동을 기록합니다.

다음은 객체 추적의 작동 방식에 대한 자세한 설명입니다:

• 객체 감지: 먼저 동영상의 단일 프레임에서 객체를 감지합니다. YOLO11을 사용하면 여러 객체와 각 객체의 위치를 정확하게 식별할 수 있습니다.
• 고유 ID 할당: 감지된 각 객체에 고유 ID를 부여하여 다른 객체와 구분하고 추적을 용이하게 합니다.
• 이동 추적 프레임 간: 추적 알고리즘이 이후 프레임에서 객체를 추적하고, 고유 ID와의 연결 관계를 유지하면서 위치를 업데이트합니다.
• 가림 현상 처리: 객체가 일시적으로 시야에서 사라지는 경우(예: 다른 객체에 가려진 경우)에도 객체가 다시 나타나면 추적이 재개되도록 시스템이 처리합니다.
• 객체 정보 업데이트: 객체가 이동함에 따라 시간에 따른 변화를 반영하도록 위치와 속성(속도 또는 방향 등)을 지속적으로 업데이트합니다.

Ultralytics는 BoT-SORT 및 ByteTrack과 같은 고급 추적 알고리즘을 활용하여 실시간 객체 추적을 지원합니다. 또한 세그멘테이션 및 포즈 추정 YOLO11 모델과 원활하게 연동되므로, 다양한 추적 작업에 유연하게 사용할 수 있습니다.

Ultralytics YOLO11 객체 추적의 애플리케이션#

Ultralytics YOLO11 모델의 뛰어난 기능은 다양한 산업에서 폭넓은 애플리케이션을 가능하게 합니다. YOLO11 객체 추적의 몇 가지 사용 사례를 자세히 살펴보겠습니다.

자율주행 차량 추적을 위한 Ultralytics YOLO11#

객체 추적은 자율주행 차량이 안전하고 효율적으로 작동하도록 돕는 데 매우 중요합니다. 이러한 차량은 정지, 회전 또는 차선 변경과 같은 실시간 결정을 내리기 위해 주변 환경을 지속적으로 파악해야 합니다. 객체 감지를 통해 차량은 보행자, 자전거 이용자, 다른 차량, 교통 표지판 등 주변 환경의 주요 요소를 식별할 수 있습니다. 그러나 한 순간에 이러한 객체를 감지하는 것만으로는 안전한 주행에 충분하지 않습니다.

이때 객체 추적이 활용됩니다. 객체 추적을 통해 차량은 시간의 흐름에 따라 이러한 객체를 따라가며 여러 프레임에서 이동을 추적할 수 있습니다. 예를 들어 자율주행 차량이 보행자가 향하는 방향을 예측하고, 주변 차량의 속도와 방향을 모니터링하거나, 신호등이 바뀌지 않았음을 인식하도록 도와줍니다. 감지와 추적을 결합하면 자율주행 차량은 주변 객체의 움직임을 예측하고 선제적으로 대응하여 안전하고 원활하게 주행할 수 있습니다.

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

동물 모니터링을 위한 Ultralytics YOLO11 객체 추적#

소와 같은 동물 추적은 효과적인 농장 관리에 필수적이지만, 지루하고 시간이 오래 걸리는 작업일 수 있습니다. 센서나 태그를 사용하는 기존 방식에는 단점이 있는 경우가 많습니다. 이러한 장치를 부착하면 동물에게 스트레스를 줄 수 있으며, 쉽게 떨어지거나 손상되어 추적에 지장을 줄 수 있습니다.

컴퓨터 비전은 농부가 물리적 태그 없이 동물을 모니터링하고 추적할 수 있는 더 나은 솔루션을 제공합니다. 객체 추적은 농부에게 동물의 행동과 건강 상태에 대한 귀중한 정보를 제공할 수 있습니다. 예를 들어 동물의 보행 방식에 영향을 미치는 절름발이와 같은 상태를 감지하는 데 도움이 될 수 있습니다. 농부는 객체 추적을 사용하여 미묘한 움직임의 변화를 파악하고 건강 문제에 조기에 대응할 수 있습니다.

건강 모니터링 외에도 컴퓨터 비전은 농부가 사회적 상호작용, 식습관, 이동 패턴과 같은 다른 행동을 이해하는 데도 도움이 될 수 있습니다. 이러한 정보는 가축 무리 관리를 개선하고, 급여 일정을 최적화하며, 동물의 전반적인 복지를 증진할 수 있습니다. 수작업을 줄이고 동물의 스트레스를 최소화하는 컴퓨터 비전 기반 추적은 현대 농업을 위한 실용적이고 효율적인 도구입니다.

그림 3. Ultralytics YOLO11을 사용하여 농부와 소를 추적하는 예시입니다.

Ultralytics YOLO11을 활용한 제조 분야의 객체 추적#

제조 분야에서 객체 추적은 다양한 사용 사례를 가집니다. 예를 들어 객체 감지 및 추적 시스템은 생산 라인을 모니터링할 수 있습니다. 컨베이어 벨트에서 이동하는 제품이나 원자재를 쉽게 추적하고 카운트할 수 있습니다. 이러한 시스템은 다른 컴퓨터 비전 시스템과 통합하여 추가 작업을 수행할 수도 있습니다. 예를 들어 결함 감지 시스템으로 결함이 있는 품목을 식별한 다음 객체 추적을 사용하여 해당 품목이 적절히 처리되도록 추적할 수 있습니다.

제조 분야에서 객체 추적의 또 다른 중요한 애플리케이션은 안전과 관련이 있습니다. 객체 추적 시스템을 사용하여 잠재적으로 위험한 제조 환경에 있는 작업자를 감지하고 추적할 수 있습니다. 컴퓨터 비전 시스템을 사용하여 위험 구역을 표시하고 지속적으로 모니터링할 수 있으며, 추적 중인 작업자가 이러한 구역에 가까이 접근하면 관리자에게 알림을 보낼 수 있습니다. 이러한 안전 시스템은 장비를 감지하고 추적하여 도난을 방지하는 데도 사용할 수 있습니다.

그림 4. 작업자 감지에 YOLO11 객체 감지를 사용하는 예시입니다.

Ultralytics YOLO11을 활용한 객체 추적 및 감시#

실시간 객체 추적은 보안 및 감시 시스템에서 널리 사용됩니다. 이러한 시스템은 공공장소, 교통 허브, 쇼핑몰과 같은 대규모 소매 환경을 모니터링하는 데 사용할 수 있습니다. 규모가 크고 사람이 많이 몰리는 장소에서는 이 기술을 사용하여 의심스러운 개인이나 군중의 행동을 추적함으로써 원활한 감시 솔루션을 제공할 수 있습니다. 예를 들어 팬데믹 기간에는 객체 추적 시스템을 사용하여 사람이 많이 몰리는 지역을 추적하고 사람들이 사회적 거리두기를 준수하는지 확인했습니다.

객체 추적은 교통 감시에도 사용할 수 있습니다. 객체 추적을 사용하면 차량의 행동을 추적하고 분석하여 실시간으로 비정상적이거나 의심스러운 행동을 파악하고 사고나 범죄를 예방하는 데 도움을 줄 수 있습니다. 대표적인 예로 속도 추정 시스템이 있습니다. 이러한 시스템은 차량을 감지하고 추적하여 속도를 계산할 수 있습니다.

그림 5. 객체 추적을 사용하여 속도를 추정할 수 있습니다.

Ultralytics YOLO11로 객체 추적을 직접 사용해 보기#

이제 객체 추적의 몇 가지 애플리케이션을 살펴보았으므로, Ultralytics YOLO11 모델을 사용하여 직접 시도하는 방법을 알아보겠습니다.

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

패키지를 성공적으로 설치했으면 다음 코드를 실행합니다. 이 코드는 Ultralytics YOLO11 모델을 로드하고 동영상 파일의 객체를 추적하는 방법을 보여줍니다. 코드에서 사용하는 모델은 “yolo11n.pt”입니다. 여기서 ‘n’은 YOLO11 모델 중 가장 작은 변형인 Nano를 의미합니다. small, medium, large, extra-large 등 다른 모델 변형도 선택할 수 있습니다.

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

사전 학습된 모델 대신 직접 학습한 커스텀 모델을 사용할 수도 있습니다. 커스텀 학습은 사전 학습된 모델을 파인튜닝하여 특정 애플리케이션에 맞게 조정하는 과정입니다.

앞서 언급했듯이 객체 추적은 다음 YOLO11 모델에서 지원됩니다: 객체 감지, 포즈 추정, 인스턴스 세그멘테이션. 추적과 관련된 특정 애플리케이션이 있다면 애플리케이션에 따라 이러한 모델 중 하나를 커스텀 학습할 수 있습니다. Ultralytics Python 패키지 또는 노코드 플랫폼인 Ultralytics HUB를 사용하여 모델을 커스텀 학습할 수 있습니다.

핵심 요점#

Ultralytics YOLO11은 동영상 속 객체를 추적하는 데 유용한 도구이며, 자율주행 차량, 농업, 제조, 보안 등 다양한 분야에서 사용할 수 있습니다. 실시간으로 객체를 감지하고 추적하여 기업과 산업 현장에서 작업자와 장비를 파악하는 데 도움을 줍니다. 사용하기 쉽고 특정 요구 사항에 맞게 커스터마이즈할 수 있으므로, 컴퓨터 비전 기능을 원활하게 도입하려는 사용자에게 적합한 선택입니다.

자세한 내용은 GitHub 리포지토리를 방문하고 커뮤니티에 참여해 주세요. 솔루션 페이지에서 자율주행 자동차와 농업 분야의 AI 애플리케이션을 살펴보세요. 🚀