객체 추적에 Ultralytics YOLO11을 사용하는 방법

제조 시설의 조립 라인에서 부품의 이동을 모니터링하고 추적하여 품질 관리를 보장하고 작업 흐름의 효율성을 높이고 싶다고 가정해 보겠습니다. 일반적으로 이 작업은 수동 검사나 기본 센서를 사용한 품목 추적을 수반하므로 시간이 오래 걸리고 오류가 발생하기 쉽습니다. 그러나 컴퓨터 비전과 객체 추적을 활용하면 이 프로세스를 자동화하고 개선할 수 있습니다.

객체 추적은 동영상에서 객체를 탐지하고 식별하며 추적하는 데 도움이 되는 컴퓨터 비전 작업입니다. 농장의 동물 모니터링부터 소매 매장의 보안 및 감시에 이르기까지 다양한 애플리케이션에서 활용할 수 있습니다. 동영상에서 추적 중인 객체는 사용자가 동영상 프레임 내 객체의 위치와 탐지 상태를 정확히 파악할 수 있도록 보통 바운딩 박스로 시각화합니다.

Ultralytics 연례 하이브리드 행사인 YOLO Vision 2024 (YV24)에서 공개된 Ultralytics YOLO11은 객체 추적을 비롯한 다양한 비전 AI 작업을 처리할 수 있는 컴퓨터 비전 모델입니다. 이 글에서는 객체 추적의 작동 방식을 살펴보고 실제 애플리케이션을 알아보겠습니다. 또한 YOLO11로 객체 추적을 직접 사용해 보는 방법도 살펴보겠습니다. 시작하겠습니다!

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

Ultralytics YOLO11을 활용한 AI 기반 객체 추적#

객체 추적은 필수적인 컴퓨터 비전 기법입니다. 동영상 속 객체를 식별하고 시간에 따라 추적할 수 있게 해 줍니다. 객체 추적은 다른 컴퓨터 비전 작업인 객체 탐지와 매우 비슷해 보일 수 있습니다. 두 작업의 핵심 차이는 동영상 프레임을 처리하는 방식에 있습니다. 객체 탐지는 각 프레임을 개별적으로 살펴보며 이전 프레임이나 이후 프레임을 고려하지 않고 객체를 식별하고 분류합니다. 반면 객체 추적은 여러 프레임에서 같은 객체를 연결하고 시간에 따른 움직임을 추적합니다.

객체 추적의 작동 방식을 더 자세히 살펴보겠습니다:

• 객체 탐지: 동영상의 단일 프레임에서 객체를 탐지하는 것으로 시작합니다. YOLO11을 사용하면 여러 객체와 위치를 정확하게 식별할 수 있습니다.
• 고유 ID 할당: 탐지된 각 객체에 고유 ID를 부여하여 다른 객체와 구분하고 추적을 더 쉽게 합니다.
• 움직임 추적 프레임 간: 추적 알고리즘이 연속된 프레임에서 객체를 따라가며 위치를 업데이트하고 고유 ID와의 연결을 유지합니다.
• 가림 처리: 객체가 일시적으로 시야에서 사라진 경우(예: 다른 객체에 가려진 경우), 객체가 다시 나타나면 시스템이 추적을 재개합니다.
• 객체 정보 업데이트: 객체가 이동하면 시간에 따른 변화를 반영하기 위해 위치와 속성(속도나 방향 등)을 지속적으로 업데이트합니다.

Ultralytics는 BoT-SORT와 ByteTrack 같은 고급 추적 알고리즘을 활용해 실시간 객체 추적을 지원합니다. 또한 분할 및 자세 추정 YOLO11 모델과 원활하게 작동하므로 다양한 추적 작업에 유연하게 활용할 수 있습니다.

Ultralytics YOLO11 객체 추적의 활용 사례#

Ultralytics YOLO11 모델의 다재다능한 기능은 다양한 산업에서 폭넓은 애플리케이션 가능성을 열어 줍니다. YOLO11 객체 추적의 활용 사례를 자세히 살펴보겠습니다.

자율주행 차량 추적을 위한 Ultralytics YOLO11#

객체 추적은 자율주행 차량이 안전하고 효율적으로 운행하도록 돕는 데 매우 중요합니다. 이러한 차량은 정지, 회전, 차선 변경과 같은 실시간 결정을 내리기 위해 주변 환경을 지속적으로 파악해야 합니다. 객체 탐지를 통해 차량은 보행자, 자전거 이용자, 다른 차량, 교통 표지판과 같은 주변의 주요 요소를 식별할 수 있습니다. 하지만 한순간에 이러한 객체를 탐지하는 것만으로는 안전한 주행에 충분하지 않습니다.

이때 객체 추적이 필요합니다. 객체 추적을 사용하면 여러 프레임에 걸쳐 객체의 움직임을 추적하며 시간에 따라 객체를 따라갈 수 있습니다. 예를 들어 자율주행 차량이 보행자가 향하는 방향을 예측하고, 주변 차량의 속도와 방향을 모니터링하거나, 신호등이 바뀌지 않았음을 인식하는 데 도움이 됩니다. 탐지와 추적을 결합하면 자율주행 차량은 주변 객체의 움직임을 예측하고 선제적으로 대응하여 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 물리적 태그 없이 동물을 모니터링하고 추적할 수 있는 더 나은 농가 솔루션을 제공합니다. 객체 추적은 농가가 동물의 행동과 건강에 대한 귀중한 정보를 얻는 데 도움이 됩니다. 예를 들어 동물의 보행에 영향을 미치는 파행 같은 상태를 탐지할 수 있습니다. 객체 추적을 활용하면 농가는 미묘한 움직임 변화를 파악하고 건강 문제에 조기에 대응할 수 있습니다.

건강 모니터링뿐 아니라 컴퓨터 비전은 농가가 사회적 상호작용, 식습관, 이동 패턴과 같은 다른 행동을 파악하는 데도 도움을 줄 수 있습니다. 이러한 정보는 가축 관리 개선, 사료 공급 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#

객체 추적은 제조 부문에서 다양한 용도로 활용됩니다. 예를 들어, 객체 감지 및 추적 시스템으로 생산 라인을 모니터링할 수 있습니다. 컨베이어 벨트 위를 이동하는 제품이나 원자재를 쉽게 추적하고 계수할 수 있습니다. 이러한 시스템을 다른 컴퓨터 비전 시스템과 통합하여 추가 작업을 수행할 수도 있습니다. 예를 들어, 결함 감지 시스템으로 결함이 있는 품목을 식별하고 객체 추적으로 추적하여 적절하게 처리되도록 할 수 있습니다.

제조업에서 객체 추적의 또 다른 중요한 활용 분야는 안전입니다. 객체 추적 시스템을 사용하면 잠재적으로 위험한 제조 환경에서 작업자를 탐지하고 추적할 수 있습니다. 컴퓨터 비전 시스템으로 위험 구역을 표시하고 지속적으로 모니터링할 수 있으며, 추적 중인 작업자가 이러한 구역에 접근하면 관리자에게 알릴 수 있습니다. 이러한 안전 시스템은 장비를 탐지하고 추적하여 도난 가능성을 방지하는 데도 사용할 수 있습니다.

그림 4. 작업자 탐지에 YOLO11 객체 탐지를 사용하는 예시입니다.

Ultralytics YOLO11을 활용한 객체 추적 및 감시#

실시간 객체 추적은 보안 및 감시 시스템에서 널리 사용됩니다. 이 시스템은 공공장소, 교통 중심지, 쇼핑몰과 같은 대규모 소매 환경을 모니터링하는 데 사용할 수 있습니다. 혼잡한 대규모 공간에서는 이 기술로 의심스러운 인물이나 군중의 행동을 추적하여 원활한 감시 솔루션을 제공할 수 있습니다. 예를 들어 팬데믹 기간에 객체 추적 시스템을 사용해 혼잡한 장소를 추적하고 사람들이 사회적 거리두기를 지키는지 확인했습니다.

객체 추적은 교통 감시에도 사용할 수 있습니다. 객체 추적을 통해 차량의 행동을 추적하고 분석하여 비정상적이거나 의심스러운 행동을 실시간으로 파악하고 사고나 범죄를 예방할 수 있습니다. 좋은 예로 속도 추정 시스템이 있습니다. 이러한 시스템은 차량을 탐지하고 추적하여 속도를 판단할 수 있습니다.

그림 5. 객체 추적을 사용하여 속도를 추정할 수 있습니다.

Ultralytics YOLO11로 객체 추적 사용해 보기#

객체 추적의 여러 활용 사례를 살펴보았으니, 이제 Ultralytics YOLO11 모델을 사용해 직접 적용하는 방법을 알아보겠습니다.

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

패키지를 성공적으로 설치한 후 다음 코드를 실행하세요. 이 코드에서는 Ultralytics YOLO11 모델을 로드하고 동영상 파일에서 객체를 추적하는 방법을 보여 줍니다. 코드에서 사용하는 모델은 “yolo11n.pt”입니다. 여기서 ‘n’은 YOLO11 모델 중 가장 작은 변형인 Nano를 의미합니다. small, medium, large, extra-large 변형도 사용할 수 있습니다.

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

사전 학습된 모델 대신 커스텀 학습 모델을 사용할 수도 있습니다. 커스텀 학습은 사전 학습된 모델을 미세 조정하여 특정 애플리케이션에 적합하게 만드는 과정입니다.

앞서 설명한 것처럼 객체 추적은 다음 YOLO11 모델을 지원합니다. 객체 탐지, 자세 추정, 인스턴스 분할입니다. 추적을 포함하는 특정 애플리케이션이 있다면 용도에 따라 이러한 모델을 커스텀 학습할 수 있습니다. Ultralytics Python 패키지 또는 노코드 플랫폼인 Ultralytics HUB를 사용하여 모델을 커스텀 학습할 수 있습니다.

핵심 요점#

Ultralytics YOLO11은 동영상에서 객체를 추적하는 데 유용한 도구로, 자율주행차, 농업, 제조업, 보안 등 다양한 분야에서 사용할 수 있습니다. 객체를 실시간으로 탐지하고 따라가므로 기업과 산업 현장에서 작업자와 장비를 추적하는 데 도움이 됩니다. 사용하기 쉽고 특정 요구 사항에 맞게 커스터마이즈할 수 있어 컴퓨터 비전 기능을 원활하게 도입하려는 사용자에게 적합합니다.

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