Ultralytics YOLO11이 소매, 교통 및 보안과 같은 분야에서 영역 기반 객체 수를 단순화하여 실시간 Vision AI 통찰력을 가능하게 하는 방법을 알아보세요.
Ultralytics YOLO11이 소매, 교통 및 보안과 같은 분야에서 영역 기반 객체 수를 단순화하여 실시간 Vision AI 통찰력을 가능하게 하는 방법을 알아보세요.
객체 계수는 간단하게 들릴 수 있지만, 도로, 상점 또는 창고와 같이 혼잡한 장소에서는 매우 현실적인 문제가 될 수 있습니다. 수년 동안 객체 계수는 주로 수작업으로 이루어졌습니다. 차량을 세고, 상점을 드나드는 사람들의 발걸음을 추적하거나, 보안 목적으로 움직임을 감시하는 데 많은 시간이 소요되었습니다. 그러나 이러한 접근 방식은 시간이 많이 걸리고 오류가 발생하기 쉬우며 확장성이 떨어집니다.
이러한 상황에서 인공 지능(AI), 특히 컴퓨터 비전이 중요한 역할을 합니다. 컴퓨터 비전은 인간과 유사하게 시각적 데이터를 처리하는 AI의 하위 분야입니다. 주요 응용 분야 중 하나는 주어진 영역에서 객체를 자동으로 감지하고 추적하는 데 도움이 되는 객체 계수입니다.
일반적으로 객체 계산은 단순히 항목 수를 합산하는 데 국한됩니다. 객체가 어디에 있는지 보여주지 않습니다. 영역 기반 계산 또는 계산 영역을 사용하면 이미지 내의 특정 영역에 초점을 맞춰 이 문제를 해결할 수 있습니다. 더 자세한 통찰력을 제공하고 더 의미 있는 방식으로 움직임을 추적하는 데 도움이 됩니다.
Ultralytics YOLO11은 영역 기반 객체 수를 계산하는 데 사용할 수 있는 객체 감지 및 추적과 같은 다양한 컴퓨터 비전 작업을 지원하는 컴퓨터 비전 모델입니다. 이 기사에서는 Ultralytics YOLO11을 사용하여 영역 내 객체를 계산하는 방법, 실제 애플리케이션 및 주요 이점에 대해 살펴보겠습니다. 시작해 보겠습니다!
이미지에서 객체를 감지하고 세는 것만으로는 특히 공항이나 쇼핑몰과 같이 단일 프레임에서 여러 지역에 사람들이 몰릴 수 있는 장소에서는 많은 것을 알 수 없습니다. 객체가 정확히 어디에 있는지, 특정 지역을 통과하는 객체가 몇 개인지와 같은 통찰력이 더 중요합니다.
YOLO11과 같은 컴퓨터 비전 모델은 이러한 컴퓨터 비전 애플리케이션에 쉽게 사용할 수 있습니다. 탑승 게이트 또는 대기 라운지와 같은 주요 위치에 영역을 할당함으로써 YOLO11을 사용하여 해당 특정 공간의 객체만 계산할 수 있습니다. 이동 가능한 영역을 사용하여 실시간으로 다른 영역의 객체 수를 찾을 수도 있습니다.
Ultralytics YOLO11은 이 프로세스를 간단하고 효율적으로 만들 수 있습니다. 객체 감지, 움직임 추적, 진입하거나 나가는 영역을 기준으로 객체 수를 계산하는 데 도움이 될 수 있습니다. YOLO11이 특히 영향력이 큰 이유는 정확성을 저하시키지 않으면서 실시간 결과를 제공할 수 있다는 것입니다. 또한 각 정의된 영역 내에서 다중 객체 추적을 지원하여 시스템이 다양한 객체를 한 번에 계산하고 분류하는 데 도움이 됩니다.
Ultralytics는 YOLO 모델의 최첨단 활용 사례를 보여주는 사용하기 쉬운 솔루션을 제공합니다. 여기에는 객체 수 계산, 이동 가능한 영역에서의 객체 수 계산, 블러링 및 속도 추정과 같은 실제 솔루션이 포함됩니다.
영역 기반 객체 수를 계산하기 위한 Ultralytics 솔루션 설정 및 실행은 간단하고 쉽습니다. 따라서 사용자는 복잡한 구성보다는 통찰력에 집중할 수 있습니다.
배후에서 지역 기반 객체 계산 솔루션은 YOLO11을 사용하여 비디오의 각 프레임에서 객체를 감지합니다. 이러한 감지는 추적 알고리즘(예: BoT-SORT 또는 ByteTrack)을 통해 전달되어 프레임 전체에서 각 객체에 일관된 ID를 할당합니다.
일단 객체가 감지되고 추적되면 시스템은 해당 객체가 미리 정의된 영역(다각형, 직사각형 또는 선)과 교차하는지 확인합니다. 교차하는 경우 해당 영역을 가로지르는 진입 또는 이동을 기준으로 개수를 셉니다.
영역 기반 객체 카운팅을 위한 Ultralytics 솔루션의 주요 기능은 다음과 같습니다.
영역 기반 카운팅을 위한 Ultralytics 솔루션을 시작하려면 YOLO11을 사용하여 영역 내 객체를 카운트하는 방법을 단계별로 안내하는 공식 Ultralytics 문서를 참조하십시오.
솔루션 설정 중에 문제가 발생하면 다음 팁을 참고하십시오.
이제 Ultralytics YOLO11을 사용하여 영역 기반 객체 수를 계산하는 방법을 더 잘 이해했으므로, 실제로 사용할 수 있는 몇 가지 실제 응용 분야를 살펴보겠습니다.
지역 기반 객체 계산은 고객이 매장에서 대부분의 시간을 어디에서 보내는지에 대한 질문에 쉽게 답변할 수 있습니다. YOLO11은 소매업체가 출구 지점, 계산대 및 관심도가 높은 제품 섹션과 같은 주요 위치에서 이동 패턴을 추적하는 데 도움이 될 수 있습니다. 전체 유동 인구를 측정하는 대신 이 지역 기반 접근 방식은 특정 지역을 방문하는 고객 수를 파악하는 데 도움이 됩니다.
Ultralytics 솔루션을 사용하면 소매업체는 수동 코딩이나 복잡한 설정 프로세스가 필요하지 않습니다. 소매업체는 폴리곤 또는 직사각형 선을 사용하여 고객 이동 및 유동 인구를 추적하기 위해 매장의 여러 섹션을 쉽게 표시할 수 있습니다.
YOLO11은 객체를 감지하고, 움직임을 추적하며, 사람들이 해당 영역에 들어가거나 나갈 때 실시간으로 수를 업데이트할 수 있습니다. 이를 통해 소매업체는 고객 흐름을 파악하고, 참여도를 측정하며, 데이터 기반 의사 결정을 내릴 수 있습니다.
도시는 항상 교통으로 붐비며, 자동차는 고속도로에 합류하고, 신호등에서 멈추고, 혼잡한 교차로에 줄지어 서 있습니다. 교통 관리는 도로를 안전하게 유지하고 원활하게 이동하는 데 중요한 부분입니다.
YOLO11을 사용한 영역 기반 객체 계수는 도로를 교차로 또는 통행료 차선과 같은 섹션으로 나누어 지원할 수 있습니다. 교통 관리 팀은 각 지역의 차량 수를 실시간으로 모니터링할 수 있습니다. 이 실시간 데이터는 더 빠른 대응, 더 나은 교통 계획 및 더 원활한 전체 흐름을 가능하게 합니다.
이에 대한 흥미로운 사용 사례는 제대로 모니터링하지 않으면 빠르게 혼잡해질 수 있는 통행료 징수소입니다. 지역 기반 계산을 위한 Ultralytics 솔루션을 사용하면 각 통행료 차선을 개별적으로 추적할 수 있습니다.
한 번에 모든 트래픽을 모니터링하는 대신 시스템은 특정 차선을 통과하는 차량에만 집중합니다. 차량이 진입하거나 나갈 때 YOLO11은 즉시 차량을 계산하여 운영자가 어떤 차선이 혼잡해지는지 추적하는 데 도움을 줄 수 있습니다.
동물 수를 세는 것은 특히 좁은 공간에서 떼를 지어 움직일 때 어려울 수 있습니다. 여기서 몇 마리 놓치면 먹이 주기, 건강 검진 또는 농장 기록에 문제가 발생할 수 있습니다. 농부에게는 속도를 늦추지 않고 정확한 수를 유지하는 것이 필수적입니다.
Ultralytics YOLO11은 이 프로세스를 훨씬 원활하게 만듭니다. 농부들은 넓은 문, 좁은 길 또는 곡선형 울타리 등 맞춤형 추적 영역을 만들 수 있습니다. 이러한 영역 내에서 모델은 동물을 실시간으로 감지하고 경계 상자로 표시하며 움직임을 추적합니다. 예를 들어, 울타리가 쳐진 복도를 통과하는 많은 양의 양이나 염소 떼를 수동적인 노력 없이 빠르고 정확하게 셀 수 있습니다.
혼잡한 공공장소는 순식간에 텅 비었다가 사람들로 가득 찰 수 있습니다. 지하철, 공항, 콘서트장 등에서 한 곳에 너무 많은 사람이 몰리면 이동 속도가 느려지고 안전 문제가 발생할 수 있습니다. 실시간으로 사람들의 통행을 모니터링하면 당국은 군중이 몰리는 것을 조기에 발견하고 상황이 악화되기 전에 조치를 취할 수 있습니다.
특히, YOLO11을 사용한 영역 기반 카운팅을 통해 보이는 모든 사람을 추적하는 대신 출입구, 플랫폼 또는 대기 구역과 같은 특정 구역에서의 이동을 모니터링할 수 있습니다. 이를 통해 보안 팀은 이동 패턴에 집중하고, 혼잡 지점을 신속하게 식별하고, 일정 변경에서 직원 배치에 이르기까지 더 나은 운영 결정을 내릴 수 있습니다.
Ultralytics YOLO11을 사용한 영역 기반 객체 계수는 특정 영역에서 객체 추적을 더욱 효율적이고 정확하게 만들어 줍니다. 소매, 교통 관리 또는 공공 안전 분야에서 이 Vision AI 기반 접근 방식은 기업과 도시 계획 담당자가 더 나은 데이터 기반 의사 결정을 내리는 데 도움이 됩니다. 계수 자동화는 수동 노력을 줄이고 전반적인 효율성을 향상시킵니다.
미래에는 AI와 컴퓨터 비전이 객체 수 세기를 더욱 스마트하게 만들 가능성이 높습니다. 다양한 환경을 처리하기 위한 더 나은 정확도, 적응형 학습, 자동화 및 IoT(사물 인터넷) 시스템과의 통합을 기대할 수 있습니다. 이러한 종류의 스마트 자동화는 공간, 사람 및 이동을 관리하는 방식의 미래를 형성하고 있습니다.
GitHub 리포지토리에서 AI에 대해 자세히 알아보고 성장하는 커뮤니티에 참여하세요. 자동차 차량의 AI 및 농업의 컴퓨터 비전의 발전을 살펴보세요. 라이선스 옵션을 확인하고 Vision AI 프로젝트를 실현하세요.
.webp)