소매, 교통, 보안과 같은 분야에서 Ultralytics YOLO11 어떻게 지역 기반 객체 카운팅을 간소화하여 실시간 Vision AI 인사이트를 제공하는지 알아보세요.
소매, 교통, 보안과 같은 분야에서 Ultralytics YOLO11 어떻게 지역 기반 객체 카운팅을 간소화하여 실시간 Vision AI 인사이트를 제공하는지 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.
바로 여기에서 인공지능(AI), 특히 컴퓨터 비전이 등장합니다. 컴퓨터 비전은 인간과 유사하게 시각적 데이터를 처리하는 AI의 하위 분야입니다. 주요 응용 분야 중 하나는 특정 영역에서 물체를 자동으로 detect track 객체 카운팅입니다.
일반적으로 객체 카운팅은 단순히 항목 수를 합산하는 것으로 제한되며, 해당 객체가 어디에 있는지는 표시하지 않습니다. 영역 기반 카운팅 또는 카운팅 영역을 사용하면 이미지 내의 특정 영역에 집중하여 이 문제를 해결할 수 있습니다. 보다 상세한 인사이트를 제공하고 보다 의미 있는 방식으로 움직임을 track 데 도움이 됩니다.
Ultralytics YOLO11 은 객체 감지 및 추적과 같은 다양한 컴퓨터 비전 작업을 지원하는 컴퓨터 비전 모델로, 영역 기반 객체 카운팅에 사용할 수 있습니다. 이 문서에서는 지역 내 객체 수 계산에 Ultralytics YOLO11 사용하는 방법, 실제 적용 사례 및 주요 이점에 대해 살펴봅니다. 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.
YOLO11 같은 컴퓨터 비전 모델은 이러한 컴퓨터 비전 애플리케이션에 쉽게 사용할 수 있습니다. 탑승구나 대기 라운지와 같은 주요 위치에 구역을 할당하면 YOLO11 사용하여 해당 특정 공간에 있는 물체만 계산할 수 있습니다. 이동 가능한 영역을 사용하여 다른 영역에 있는 물체의 수를 실시간으로 파악할 수도 있습니다.
Ultralytics YOLO11 이 프로세스를 간단하고 효율적으로 만들 수 있습니다. 물체를 감지하고, 움직임을 추적하고, 들어오고 나가는 구역을 기준으로 개수를 계산하는 데 도움을 줄 수 있습니다. YOLO11 특히 영향력 있는 이유는 정확도 저하 없이 실시간 결과를 제공할 수 있다는 점입니다. 또한 정의된 각 구역 내에서 다중 객체 추적을 지원하여 시스템이 다양한 객체를 한 번에 세고 분류할 수 있도록 도와줍니다.
Ultralytics YOLO 모델의 최첨단 사용 사례를 보여주는 사용하기 쉬운 솔루션을 제공합니다. 여기에는 객체 카운팅, 이동 가능한 영역에서의 객체 카운팅, 블러 처리, 속도 추정과 같은 실제 솔루션이 포함됩니다.
지역 기반 개체 수 계산을 위한 Ultralytics 솔루션의 설정 및 실행은 간단하고 간단합니다. 따라서 사용자는 복잡한 구성 대신 인사이트에 집중할 수 있습니다.
백그라운드에서 영역 기반 객체 카운팅 솔루션은 YOLO11 사용하여 비디오의 각 프레임에서 객체를 detect . 그런 다음 이러한 감지된 객체는 추적 알고리즘(예: BoT-SORT 또는 ByteTrack)을 통과하여 각 프레임에 걸쳐 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.
다음은 영역 기반 개체 카운팅을 위한 Ultralytics 솔루션의 다른 주요 기능입니다:
지역 기반 카운팅을 위한 Ultralytics 솔루션을 시작하려면 YOLO11 사용하여 지역의 개체를 카운트하는 방법을 단계별로 안내하는 공식 Ultralytics 설명서를 참조하세요.
솔루션 설정 중에 문제가 발생하면 다음 팁을 참고하십시오.
이제 영역 기반 개체 카운팅에 Ultralytics YOLO11 사용하는 방법을 더 잘 이해했으니, 이 기능을 사용할 수 있는 몇 가지 실제 애플리케이션을 살펴보겠습니다.
지역 기반 객체 카운팅은 고객이 매장에서 가장 많은 시간을 보내는 위치와 관련된 질문에 쉽게 답할 수 있습니다. YOLO11 리테일러가 출구, 계산대, 관심도가 높은 제품 섹션 등 주요 위치에서의 이동 패턴을 track 데 도움을 줄 수 있습니다. 이 지역 기반 접근 방식은 전체 유동인구를 측정하는 대신 특정 지역을 방문하는 고객 수에 대한 인사이트를 제공합니다.
Ultralytics 솔루션을 사용하면 수동 코딩이나 복잡한 설정 프로세스가 필요하지 않으므로 리테일러에게 도움이 됩니다. 소매업체는 다각형이나 직사각형 선을 사용하여 매장의 여러 구역을 쉽게 표시하여 고객의 이동과 유동 인구를 track 수 있습니다.
그러면 YOLO11 객체를 detect , 움직임을 track , 사람들이 해당 지역에 들어오고 나갈 때 실시간으로 카운트를 업데이트할 수 있습니다. 이를 통해 리테일러는 고객 흐름을 파악하고 참여도를 측정하며 데이터에 기반한 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.
YOLO11 사용한 에지온 기반 개체 계수는 도로를 교차로 또는 유료 차선과 같은 구간으로 나누어 이를 지원할 수 있습니다. 교통 관리 팀은 각 지역의 차량 수를 실시간으로 모니터링할 수 있습니다. 이 실시간 데이터를 통해 더 빠른 대응, 더 나은 교통 계획, 더 원활한 전체 흐름이 가능합니다.
흥미로운 사용 사례로는 제대로 모니터링하지 않으면 금방 혼잡해질 수 있는 톨게이트가 있습니다. 지역 기반 계수를 위한 Ultralytics 솔루션을 사용하면 각 유료 차선을 개별적으로 추적할 수 있습니다. I
이 시스템은 모든 교통량을 한 번에 모니터링하는 대신 특정 차선을 통과하는 차량에만 집중합니다. 차량이 진입하거나 빠져나갈 때 YOLO11 즉시 차량 수를 계산하여 운영자가 어느 차선이 혼잡한지 track 수 있도록 도와줍니다.
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 YOLO11 이 과정을 훨씬 더 원활하게 만들어 줍니다. 농부들은 이를 사용하여 넓은 문, 좁은 길, 곡선형 울타리 등 맞춤형 추적 구역을 만들 수 있습니다. 이러한 영역 내에서 모델은 실시간으로 동물을 감지하고 경계 상자로 표시하며 움직임을 추적합니다. 예를 들어, 울타리가 쳐진 복도를 이동하는 양이나 염소 무리를 사람이 직접 수작업으로 세지 않고도 빠르고 정확하게 계산할 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 YOLO11 사용한 지역 기반 카운팅을 사용하면 모든 사람을 추적하는 대신 출입구, 플랫폼 또는 대기 구역과 같은 특정 구역에서의 이동을 모니터링할 수 있습니다. 이를 통해 보안팀은 이동 패턴에 집중하고 혼잡 지점을 빠르게 파악하며 일정 변경부터 직원 배치에 이르기까지 더 나은 운영 결정을 내릴 수 있습니다.
Ultralytics YOLO11 사용한 지역 기반 객체 카운팅은 특정 영역의 객체를 보다 효율적이고 정확하게 추적할 수 있게 해줍니다. 소매업, 교통 관리, 공공 안전 등 어떤 분야에서든 이 Vision AI 기반 접근 방식은 비즈니스와 도시 계획가가 데이터에 기반한 더 나은 의사 결정을 내릴 수 있도록 도와줍니다. 계수를 자동화하면 수작업이 줄어들고 전반적인 효율성이 향상됩니다.
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)
