인원 계수 및 점유율 분석의 실제 작동 방식

대부분의 인원 계수 프로젝트는 센서를 선정하기도 전에 잘못되기 시작합니다. "몇 명이 있는지"라는 질문은 네 가지 서로 다른 측정을 의미하며, 팀마다 잘못된 지표를 지정하기 때문입니다. 하루 동안의 입장객 수, 현재 체류 중인 인원, 각 체류 시간, 대기열에서 기다리는 인원은 각각 다른 센서, 다른 배치, 다른 정확도를 요구합니다. 입장을 정확하게 집계하는 시스템은 점유율을 잘못 보고할 수 있으며, 점유율에 최적화된 시스템은 짧은 방문을 아예 놓칠 수 있습니다.

이 가이드는 이러한 측정 항목들을 구분하고, 센서 방식(WiFi 및 BLE, 적외선 빔, 비행시간측정(ToF), 열화상, 스테레오 및 카메라 기반 비전)을 객관적으로 비교하며, 구매할 가치가 있는 제품과 팀이 Ultralytics YOLO 모델을 사용하여 카메라 기반 계수 시스템을 직접 구축하는 방법을 다룹니다.

하나가 아닌 네 가지 측정 항목#

점유율은 팀들을 놀라게 하는 지표입니다. 입장수에서 퇴장수를 빼는 방식으로 산출하면 모든 계수 오차가 누적됩니다. 문을 통과할 때마다 반복되는 작은 방향 오차로 인해 영업 마감 시간이 되면 수치가 심각하게 어긋나게 됩니다. 신뢰할 수 있는 점유율이 필요한 시스템은 전체 구역을 직접 센싱하거나, 일반적으로 야간 등 알려진 빈 상태에서 카운트를 재설정합니다.

센싱 방식 비교#

진정한 트레이드오프는 컨텍스트와 단순함 사이의 선택입니다. 문 위의 ToF 센서는 한 가지 작업을 매우 잘 수행하며 그 외의 정보는 제공하지 않습니다. 카메라 기반 비전은 동일한 스트림에서 방향, 구역, 체류 시간, 대기열, 객체 클래스를 제공하는 대신 조명, 가림 및 연산 문제를 감수해야 합니다.

입장 여부만 중요한 단일 출입구의 경우 오버헤드 ToF가 보통 더 나은 엔지니어링 해답이며 프라이버시 논의 측면에서도 더 수월합니다. 다중 구역 분석, 대기열, 또는 다른 감지 결과와 결합해야 하는 계수의 경우 비전이 요구사항에 맞게 확장할 수 있는 유일한 방식입니다.

실제로 계수를 저하시키는 요인#

공급업체가 제시하는 정확도 수치는 실제 배포 환경과 거의 유사하지 않은 조건에서 측정된 것입니다. 실제 환경의 정확도에 영향을 미치는 요소들은 다음과 같습니다.

• 그룹 및 나란히 걷기. 넓은 문을 통해 두 사람이 어깨를 나란히 통과하는 것은 전형적인 과소 계수 원인입니다. 센서의 공칭 정확도보다 센서 커버리지 대비 출입구 너비가 더 중요합니다.
• 가림(Occlusion). 카트, 우산, 수하물, 키 큰 진열대 및 밀집된 군중은 명확한 시야가 필요한 모든 방식에서 사람들을 가립니다.
• 카메라 각도. 사선 각도보다 오버헤드(상단) 각도가 계수에 훨씬 더 정확합니다. 사선 뷰는 사람들을 서로 겹쳐 보이게 만들기 때문입니다. 얕은 각도로 재배치된 보안 카메라는 비전 계수 결과에 실망하게 되는 가장 흔한 원인입니다.
• 조명. 일출과 일몰 때 역광이 비치는 출입구는 반사되는 바닥, 유리문과 마찬가지로 비전 시스템에게 가장 어려운 조건입니다.
• 문턱에서의 서성임. 출입구에 서서 대화하는 사람은 지속성 규칙이 없을 경우 반복적인 통과 이벤트를 생성할 수 있습니다.
• 누구를 방문객으로 집계할 것인가. 직원, 청소원, 배달원, 통행인은 시스템과 수동 감사의 불일치 중 가장 큰 비중을 차지하며, 이는 센싱 문제가 아니라 정의의 문제입니다.
• 다중 카메라 중복 계수. 구역이 상호 배타적으로 정의되거나 카메라 간 트랙 인계가 이루어지지 않으면, 겹치는 시야는 동일한 사람을 두 번 계수하게 됩니다.

어떤 시스템을 배포하든 가장 최악의 조건(가장 바쁜 시간대, 최악의 조명, 가장 넓은 출입구)에서 수동 계수와 비교하여 검증하세요. 해당 조건에서의 정확도가 가장 중요한 수치입니다.

구매를 고려할 때 후보에 올릴 만한 제품들#

목표가 유동 인구 보고, 점유율 대시보드, 또는 리테일 전환율 분석이라면 이들은 성숙한 제품이며 구매가 대개 올바른 선택입니다. Ultralytics는 이들의 대체재가 아닙니다.

Xovis. 공항과 대형 리테일에 널리 도입된, 출입구 계수, 대기열 관리, 구역 분석에 뛰어난 정확도를 제공하는 오버헤드 스테레오 비전 센서. 계수 정확도가 운영상 매우 중요한 환경에 가장 적합함. 트레이드오프: 커버리지 영역당 센서 하드웨어가 필요하므로 넓거나 많은 출입구는 비용을 증가시킴.

V-Count. 유동 인구, 점유율, 전환율 리포팅을 아우르는 플랫폼 레이어를 갖추고 리테일을 정조준한 인원 계수 및 분석 솔루션. 즉시 사용 가능한 리포팅을 원하는 다중 지점 리테일 매장에 가장 적합함. 트레이드오프: 리테일에 특화된 분석은 산업 현장이나 캠퍼스 환경에는 덜 자연스럽게 적용됨.

Density. 부동산 및 공간 활용 의사결정에 초점을 맞춰 자체적인 익명 깊이 센서를 사용하는 직장 중심 점유율 측정 솔루션. 오피스 공간을 최적화하는 기업 포트폴리오에 가장 적합함. 트레이드오프: 리테일 전환율보다는 업무 공간의 질문에 맞춰 구축됨.

FootfallCam. 광범위한 리테일 커버리지와 다양한 센서 옵션을 갖춘 계수 하드웨어 및 분석 솔루션. 하드웨어와 리포팅을 단일 공급업체로부터 얻고자 하는 리테일러에게 가장 적합함. 트레이드오프: 다양한 모델로 인해 스펙 지정 시 주의가 필요함.

RetailNext. 계수 데이터가 더 광범위한 머천다이징 및 쇼퍼 행동 제품으로 이어지는 매장 내 분석 플랫폼. 단순 유동 인구가 아닌 매장 성과가 궁금한 리테일러에게 가장 적합함. 트레이드오프: 플랫폼 범위가 계수를 훨씬 넘어섬에 따라 가격도 그에 맞춰 책정됨.

Sensormatic ShopperTrak. 상당한 시장 데이터를 기반으로 하는 오랜 전통의 리테일 트래픽 계수 및 벤치마킹 솔루션. 비교 벤치마크를 중시하는 리테일러에게 가장 적합함. 트레이드오프: 엔터프라이즈 리테일 지향적임.

Axis. Axis 카메라 위에서 구동되는 계수 애플리케이션으로, 이미 Axis 인프라가 구축되어 있고 추가 하드웨어가 반갑지 않은 환경에 유용함. Axis로 표준화된 조직에 가장 적합함. 트레이드오프: 해당 카메라 생태계에 종속됨.

Cisco Spaces. 기존 네트워크 인프라에서 도출되는 점유율 및 위치 인사이트. 새로운 센서 없이 점유율 파악을 원하는 대규모 캠퍼스에 가장 적합함. 트레이드오프: 기기 기반 센싱으로 인해 내재된 정밀도 한계가 있음.

카메라 기반 계수 시스템 구축#

계수는 비교적 접근하기 쉬운 비전 빌드 중 하나이며, 그래서 흔히 첫 번째 프로젝트가 됩니다. 계수가 더 큰 시스템(기계, 로봇, 사이트 플랫폼, 출시하는 제품)의 구성 요소일 때, 카운트가 어떤 제품도 제공하지 않는 감지 결과와 결합되어야 할 때, 혹은 영상이 외부로 유출될 수 없을 때 직접 구축할 가치가 있습니다.

파이프라인은 이미 잘 확립되어 있습니다.

프레임별 사람 감지. Ultralytics YOLO 모델(YOLOv8, YOLO11, YOLO26)이 사람 감지를 처리하며, 동일한 모델을 통해 동일 패스에서 관심 있는 다른 클래스(차량, 카트, 지게차)도 감지할 수 있습니다.

프레임 간 추적. 계수에는 200번 프레임의 사람이 199번 프레임의 사람과 동일하다는 것을 아는 과정이 필요합니다. Ultralytics 모델은 시퀀스 전반에 걸쳐 지속적이고 신원이 없는 ID를 할당하는 추적(tracking)을 지원하며, 가림 상황에서의 추적 품질이 감지 정확도보다 계수 품질을 훨씬 크게 좌우합니다.

계수 기하학(counting geometry) 정의. 방향성 입출구 계수를 위한 선(line) 또는 지역 내 점유율(occupancy in a region)을 위한 다각형(polygon). 방향은 트랙이 선의 어느 쪽에서 건너왔는지를 통해 결정됩니다. 여러 카메라가 인접 구역을 커버하는 경우, 동일 인물이 중복 계수되지 않도록 구역을 상호 배타적으로 정의해야 합니다.

지속성 및 디바운싱(debouncing) 추가. 트레이스가 카운트되기 전에 N개의 프레임 동안 유지되도록 요구하며, 문턱에 서 있는 한 명의 서성이는 사람이 반복적인 통과 이벤트를 생성하지 못하도록 방지합니다. 모델이 아닌 이 계층이 대부분의 정확도 향상을 이끌어냅니다.

배포 타겟을 조기에 선정. 여러 스트림에 걸친 연속 추론은 실제 용량 문제입니다. 대부분의 계수는 모든 프레임을 필요로 하지 않습니다. 카메라가 제공할 수 있는 성능이 아니라 사람이 선을 건너는 속도에 맞춰 프레임 레이트를 설정하세요. Ultralytics 모델은 카메라 근처의 엣지 하드웨어를 위해 ONNX 및 TensorRT 등의 포맷으로 내보내기를 지원하며, 이는 비디오를 로컬에 유지하는 데도 도움이 됩니다.

자체 영상으로 학습. 일반 모델도 사람을 잘 처리하지만, 유리문과 반사되는 바닥이 있는 일출 무렵의 특정 출입구 환경이야말로 프로덕션 정확도를 결정하는 요소입니다. Ultralytics Platform은 SAM 기반 스마트 주석(Smart Annotation)을 사용하여 해당 영상을 어노테이션하고 동일한 워크플로에서 학습을 진행할 수 있습니다.

가장 바쁜 시간대와 최악의 조명에서 수동 계수와 비교하여 검증하고, 카메라를 이동한 후에는 반드시 재검증하세요.

계수 기능이 상업용 제품이나 독점 시스템에 탑재되는 경우, Ultralytics YOLO 모델은 AGPL-3.0 라이선스 하에 제공되며 이러한 배포에는 일반적으로 프라이빗 배포도 포함하는 Ultralytics Enterprise 라이선스가 필요하다는 점을 유의하십시오. 파일럿이 출시 기능이 되기 전에 이 문제를 해결하세요.

프라이버시: 계수 과정에서 누군가를 식별해서는 안 됩니다#

계수는 설계상 진정으로 프라이버시를 보호하도록 만들 수 있는 몇 안 되는 카메라 응용 분야 중 하나이며, 이를 통해 제기될 수 있는 대부분의 반대 의견을 사전에 해소할 수 있습니다.

여기서 설명한 어떤 방식도 개인을 식별할 필요가 없습니다. 입장, 점유율, 체류 시간, 대기열 길이는 모두 익명화된 감지 및 사람이 프레임 안에 있는 동안에만 존재하는 신원 없는 트랙을 기반으로 작동합니다. Ultralytics는 안면 인식을 위해 모델을 제공하지 않으며, 계수 시스템에 신원 식별 기능을 구축하는 것은 이러한 측정 지표를 향상시키지 못하면서 상당한 법적 리스크를 가중시킵니다.

이를 유지하기 위한 설계 선택 사항: 로컬에서 처리하고 계수 결과만 유지합니다. 출력값이 인터벌당 숫자라면, 숫자를 유지하고 프레임은 폐기하십시오. - 시야각을 넘어 트랙 ID를 유지하지 않습니다. 프레임 가장자리에서 끝나는 트랙은 종료되어야 합니다. 카메라 간 또는 방문 간에 동일한 사람을 재식별하는 것은 실질적으로 다른 의무를 가진 완전히 다른 시스템입니다. - 개별 이벤트를 로깅하는 대신 인터벌 단위로 집계합니다 (유스케이스가 허용하는 경우). - 공지 고지를 게시하고, 직장이 배경인 경우 근로자 대표와 협의하십시오 (이는 EU 전역의 많은 지역에서 요구 사항이며 어디서나 모범 사례입니다). - 단순한 계수만 필요한 경우 본질적으로 익명인 센싱을 선호합니다. ToF나 열화상으로 질문에 답할 수 있다면 그 논의가 훨씬 수월합니다. - 카메라별 목적을 문서화하여 데이터 보호 평가를 간단하게 만드십시오.

• Note that "no cameras" does not automatically mean "more private". WiFi and BLE counting works from device identifiers, which are personal data under GDPR in many circumstances, while a thermal sensor producing only a count is not processing personal data at all. Judge the method by what it retains, not by whether it involves a lens.

"카메라가 없다"고 해서 자동으로 "더 프라이빗하다"는 의미는 아닙니다. WiFi와 BLE 계수는 많은 상황에서 GDPR에 따라 개인정보에 해당하는 기기 식별자를 기반으로 작동하는 반면, 오직 계수 결과만 생성하는 열화상 센서는 개인정보를 전혀 처리하지 않습니다. 렌즈 포함 여부가 아니라 무엇을 보존하는지로 방식을 평가하십시오.