AI 및 Ultralytics를 통한 실시간 보안 모니터링 YOLO11

아비라미 비나

5분 읽기

2025년 6월 4일

실시간 위협 탐지를 개선하고 더 스마트한 감시를 지원하여 AI로 실시간 보안 모니터링을 재정의하는 Ultralytics YOLO11에 대해 알아보세요.

스마트 감시 기술은 전 세계의 사람, 재산, 인프라를 보호하는 데 중요한 역할을 합니다. 이러한 노력의 중심에는 거리, 공항, 학교, 사무실, 공공장소 등을 24시간 모니터링하는 카메라 시스템이 있습니다. 전 세계적으로 10억 대 이상의 감시 카메라가 사용되고 있으며, 녹화되는 비디오의 양은 그 어느 때보다 빠르게 증가하고 있습니다.

기존에는 이러한 영상을 검토하는 작업은 사람이 직접 화면을 스캔하여 잠재적인 위협을 찾아내는 수동 작업이었습니다. 이 방식은 소규모 환경에서는 효과적일 수 있지만, 규모가 커지면 부담이 크고 비효율적입니다. 또한 시간이 오래 걸리기 때문에 빠르게 움직이거나 혼잡한 환경에서는 큰 단점이 됩니다.

오늘날 영상 감시 시스템은 인공지능(AI) 솔루션에 의존하여 실시간 인사이트를 제공함으로써 보다 정보에 입각한 결정을 내리기 시작했습니다. 이러한 발전의 핵심은 기계가 시각적 데이터를 해석할 수 있도록 하는 AI의 한 분야인 컴퓨터 비전입니다.

Ultralytics YOLO11과 같은 컴퓨터 비전 모델은 다양한 실시간 이미지 및 비디오 감지 작업을 처리하도록 설계되었습니다. 빠르고 정확하게 개인을 감지하고, 움직임을 추적하고, 비정상적인 행동을 발견할 수 있습니다. 복잡한 환경에서도 이러한 모델을 통해 보안팀은 경계 태세를 유지하고 대응할 수 있습니다. 

이 도움말에서는 컴퓨터 비전과 YOLO11과 같은 모델이 어떻게 다양한 환경에서 보안을 관리하는 방식을 바꾸는 데 도움이 될 수 있는지 살펴봅니다. 지금 바로 시작하세요!

공공 안전 시스템에서 컴퓨터 비전과 AI의 역할

보안 업계는 컴퓨터 비전을 빠르게 수용하고 있습니다. 컴퓨터 비전, 엣지 컴퓨팅(소스 근처에서 로컬로 데이터를 처리), CCTV 카메라를 결합한 스마트 감시 시스템은 이제 사람과 차량을 실시간으로 분석하여 보안팀이 위협을 보다 효율적으로 탐지할 수 있도록 지원합니다. AI와 카메라 기술이 계속 발전함에 따라 비디오 분석은 사람의 눈만큼이나 예리해지고 있으며, 공공장소를 보호하는 방식을 재편하고 있습니다.

컴퓨터 비전 시스템은 물체 감지, 움직임 추적, 동영상 패턴 인식과 같은 작업을 수행할 수 있습니다. 즉, 사람을 식별하고, 비정상적인 행동을 감지하고, 발생하는 활동을 모니터링할 수 있습니다. 이러한 기능은 공공장소와 개인 공간 모두에서 감시 시스템을 더욱 발전시키고 안정적으로 만들 수 있습니다. 그 결과, AI 영상 감시 시장은 2030년까지 124억 6,000만 달러 규모로 성장할 것으로 예상됩니다.

__wf_reserved_inherit
그림 1. 보안 시스템에서 컴퓨터 비전의 역할. 작성자 이미지.

더 스마트한 보안 시스템을 구현하는 Ultralytics YOLO11의 활용 방법

다음으로, 실시간 비디오 분석을 위한 영향력 있는 도구인 Ultralytics YOLO11과 그 기능을 자세히 살펴보겠습니다.

최근 AI 및 컴퓨터 비전의 발전을 기반으로 구축된 Ultralytics YOLO11은 비디오 기반 보안 시스템과 같은 애플리케이션에 더 빠른 처리, 더 높은 정확도, 더 큰 유연성을 제공합니다.

이전 YOLO 모델과 마찬가지로 YOLO11은 객체 감지(객체 위치 및 식별), 인스턴스 분할(이미지에서 특정 객체 강조 및 윤곽선 지정), 객체 추적(시간에 따른 객체 추적), 포즈 추정(객체의 위치 또는 이동 방식 이해) 등 복잡한 비전 AI 작업을 처리할 수 있습니다.

YOLO11은 또한 이전 모델보다 훨씬 더 효율적입니다. Ultralytics YOLOv8m보다 파라미터 수가 22% 더 적기 때문에 COCO 데이터 세트에서 더 높은 평균 정밀도(mAP)를 달성하므로 YOLO11m은 더 적은 리소스를 사용하면서 더 정확하게 물체를 감지할 수 있습니다. 또한 처리 속도가 빨라 신속한 감지와 대응이 중요하고 밀리초 단위가 중요한 실시간 애플리케이션에 적합합니다.

__wf_reserved_inherit
그림 2. YOLO11은 다양한 벤치마크 테스트에서 이전 YOLO 모델보다 성능이 뛰어납니다.

보안 애플리케이션을 위한 YOLO11 및 컴퓨터 비전 사용

이제 보안 및 감시 시스템에서 컴퓨터 비전이 어떻게 작동하는지 더 잘 이해했으니, YOLO11이 핵심적인 역할을 할 수 있는 실제 보안 애플리케이션을 자세히 살펴보겠습니다.

컴퓨터 비전과 YOLO11를 사용한 침입 탐지

제한 구역의 보안을 유지하는 것은 안전을 보장하고 재산을 보호하는 데 필수적입니다. 개인 사이트, 창고, 대중교통 시설 등 어느 곳이든 무단 접근을 감지하면 심각한 사고를 예방할 수 있습니다.

YOLO11은 비디오 피드를 통해 사람, 차량 또는 기타 움직이는 물체를 식별하여 실시간 침입 탐지에 도움을 줄 수 있습니다. 카메라의 시야 내에서 지오 펜스라는 가상 경계를 정의할 수 있습니다. 물체가 제한 구역을 통과하면 YOLO11은 침입을 감지하고 경고를 트리거하거나 추가 조치를 위해 감지 데이터를 통합 보안 시스템으로 전달할 수 있습니다.

감지된 개체는 경계 상자로 강조 표시되어 활동을 시각적으로 명확하게 표시합니다. 따라서 사람이 지속적으로 모니터링할 필요성이 줄어들고 인시던트가 발생했을 때 이를 포착할 가능성이 높아집니다.

이 접근 방식은 공공 안전 환경에서도 유용합니다. 예를 들어, 기차 플랫폼의 노란색 선은 승객이 안전상의 이유로 건너서는 안 되는 구역을 나타냅니다. 이러한 시나리오에서 YOLO11을 사용하여 경계선을 모니터링하고 누군가가 경계선을 지나가는 것을 감지할 수 있습니다. 그런 다음 시스템은 경계 상자의 색상을 변경하여 잠재적인 안전 문제를 강조할 수 있습니다. 이와 같은 기능을 통해 YOLO11은 고위험 환경에서 보다 신속하고 안정적인 침입 탐지가 가능합니다.

YOLO11을 사용한 감시에서 버려진 물체 감지

혼잡한 공항이나 기차역에 방치된 가방은 보안 문제를 빠르게 야기할 수 있습니다. 혼잡한 공공장소에서는 특히 교대 근무나 피크 시간대에는 보안 요원이 이러한 물체를 빠르게 발견하기 어렵습니다. 탐지가 지연되면 불필요한 공황이나 안전 위험이 발생할 수 있습니다.

YOLO11과 같은 컴퓨터 비전 모델은 실시간 비디오 피드에서 방치된 물체를 감지, 분류, 추적하여 감시를 개선하는 데 도움을 줄 수 있습니다. 가방이나 소포가 근처에 사람이 없는 상태로 너무 오랫동안 한 곳에 고정되어 있는 것으로 확인되면, 시스템은 이를 잠재적으로 버려진 것으로 표시할 수 있습니다. 이렇게 분석 계층이 추가되면 물체를 더 정확하게 구분하고 사람이 지속적으로 관찰할 필요성을 줄여 더 빠르고 집중적으로 대응할 수 있습니다.

__wf_reserved_inherit
그림 3. YOLO11을 사용하여 여행 가방 감지하기.

YOLO11과 같은 AI 모델을 사용한 입장 및 퇴장 계산

공간에 얼마나 많은 사람이 출입하는지 파악하는 것은 안전과 운영 효율성 모두를 위해 매우 중요합니다. 쇼핑몰, 오피스 빌딩, 기차역과 같은 장소에서는 이 정보를 통해 많은 인파를 효율적으로 관리하고 레이아웃을 개선하며 일상적인 운영을 원활하게 유지할 수 있습니다.

컴퓨터 비전이 도입되기 전에는 일반적으로 직원이 문 앞에서 클릭커나 간단한 센서를 사용하여 계산을 수행했습니다. 이러한 방법은 효과적이지만 많은 인파가 몰릴 때는 효율적이지 않습니다. 또한 출입구가 여러 개 있는 시설의 경우 항상 신뢰할 수 있는 방법은 아닙니다. 

YOLO11의 물체 감지 및 추적 기능을 사용하면 정의된 관심 영역 내에서 사람이나 물체의 수를 세는 데 사용할 수 있습니다. 넓거나 혼잡한 공간에서도 실시간으로 출입자 수를 계산할 수 있습니다. 예를 들어, 소매점에서는 이 방법을 사용하여 여러 출입구에서 유동인구를 추적함으로써 관리자가 피크 시간대에 직원 수를 조정하는 데 도움을 줄 수 있습니다. 

정확한 출입 데이터는 장기적인 계획 수립에도 도움이 될 수 있습니다. 이러한 데이터에서 얻은 인사이트를 통해 관리자는 시간 경과에 따른 유동인구 패턴을 연구하여 통행량이 많은 구역을 파악하고 표지판을 배치하거나 입구를 재구성하여 편의성과 안전성을 개선할 위치를 결정할 수 있습니다.

__wf_reserved_inherit
그림 4. YOLO11에서 활성화된 실시간 입출국 카운터의 예입니다.

AI 기반 보안 감시 시스템의 장단점

스마트 보안 시스템에서 컴퓨터 비전을 사용하면 얻을 수 있는 몇 가지 주요 이점은 다음과 같습니다:

  • 시간이 지남에 따른 비용 효율성: 초기 설정에는 비용이 많이 들 수 있지만, AI 시스템은 인력, 교육 및 운영 비효율성과 관련된 장기적인 비용을 줄일 수 있습니다.
    ↪f_200D↩
  • 확장성: AI 감시 솔루션은 쉽게 확장할 수 있어 소규모 사무실부터 대규모 도시 전체 카메라 네트워크에 이르기까지 모든 곳에 적합합니다.
    ↪f_200D↩
  • 기존 인프라와의 손쉬운 통합: YOLO11을 포함한 많은 AI 모델은 기존 CCTV 및 보안 시스템과 원활하게 통합되도록 설계되어 중단을 최소화합니다.

AI 기반 보안 감시의 다양한 장점에도 불구하고 몇 가지 유의해야 할 한계도 있습니다. 다음은 스마트 보안 감시 시스템과 관련된 몇 가지 주요 과제입니다: 

  • 윤리적 및 개인 정보 보호 문제: 공공장소에서 컴퓨터 비전을 사용할 때는 개인정보 보호를 위해 동의, 데이터 저장, 영상 처리 방법과 관련된 문제를 해결하는 것이 중요합니다.
    ↪f_200D↩
  • 양질의 학습 데이터에 대한 의존도: 컴퓨터 비전 모델의 성능은 잘 선별된 다양한 데이터 세트에 크게 좌우됩니다. 훈련 데이터가 부실하거나 편향된 경우 부정확한 탐지, 오식별 또는 차별적인 결과를 초래할 수 있습니다.
  • 환경적 요인: 열악한 조명, 날씨, 시각적 장애물 등의 요인은 특히 실외에서 감지 성능에 영향을 미칠 수 있습니다.

주요 요점

YOLO11은 사람, 사물, 비정상적인 활동을 더욱 빠르고 정확하게 감지하여 실시간 보안 솔루션을 개선하고 있습니다. 침입 감지, 물체 추적, 배회 알림과 같은 애플리케이션을 지원하므로 공공장소, 직장, 교통 중심지에서 유용하게 사용할 수 있습니다.

YOLO11은 지속적인 수동 모니터링의 필요성을 줄임으로써 보안 팀이 더 빠르고 자신 있게 대응할 수 있도록 지원합니다. 군중 분석과 인원 계수를 처리하는 능력은 비전 AI가 안전의 미래를 어떻게 형성하고 있는지 보여줍니다. 기술이 발전함에 따라 더 스마트하고 안정적인 감시 시스템을 지속적으로 지원할 것입니다.

유니티 커뮤니티의 일원이 되어 GitHub 리포지토리를 살펴보고 AI의 세계에 대해 알아보세요. 솔루션 페이지에서 자동차 분야에서의 컴퓨터 비전과 물류 분야에서의 AI의 흥미로운 적용 사례를 살펴보세요. 라이선스 옵션을 살펴보고 지금 바로 시작하세요!

인공지능의 미래
를 함께 만들어 갑시다!

머신 러닝의 미래와 함께하는 여정 시작하기

무료로 시작하기
링크가 클립보드에 복사됨