Ultralytics YOLO 모델을 사용한 골프공 추적

골프는 그 어느 때보다 더 많은 사람들에게 다가가고 있습니다. 2024년에 미국에서 추산 138 million people이 다양한 방식으로 이 스포츠에 참여했으며, 4,720만 명이 코스에서든 골프 연습장이나 시뮬레이터 같은 장외 시설을 통해서든 실제로 골프를 즐겼습니다.

참여와 관심이 계속 높아짐에 따라, 골퍼들은 연습, 피드백, 성능 추적을 위한 더 나은 도구를 점점 더 기대하고 있습니다. 이는 명확한 게임 통찰력을 얻을 수 있을 때 골프가 훨씬 더 즐거워지기 때문입니다.

그림 1. 전 세계 수백만 명의 골프 인구.

티샷으로 긴 드라이브 샷을 날렸다고 가정해 보겠습니다. 공이 어떻게 날아갔는지, 어디에 떨어졌는지, 왼쪽이나 오른쪽으로 휘었는지 정확히 알고 싶을 것입니다. 바로 이때 최첨단 공 추적 및 분석 기술이 차이를 만들어냅니다.

이러한 공 추적 시스템의 핵심에는 시각 데이터를 처리하는 인공지능(AI)의 한 분야인 computer vision이 있습니다. 컴퓨터 비전 시스템은 Ultralytics YOLO11 및 곧 출시될 Ultralytics YOLO26과 같은 고속 카메라와 딥러닝 모델을 사용하여 실시간으로 공의 움직임을 감지하고 추적합니다.

공이 프레임별로 감지되고 추적되면 해당 위치 데이터를 사용하여 비행 경로를 매핑하고, 착지 지점을 예측하며, 속도, 발사각, 스핀과 같은 세부 정보를 추정할 수 있습니다. 그 결과 더 나은 연습, 코칭, 관람을 위한 즉각적인 피드백이 제공됩니다.

이 글에서는 컴퓨터 비전과 Ultralytics YOLO 모델을 골프공 추적에 어떻게 활용할 수 있는지 알아봅니다. 바로 시작해 보겠습니다!

골프공 추적 기술의 유형#

골프공 추적을 위한 컴퓨터 비전을 살펴보기 전에, 골프공을 추적하는 다른 몇 가지 방법을 간략하게 살펴보겠습니다.

한 가지 방법은 스마트 골프공을 사용하는 것입니다. 스마트 골프공은 내부 센서, Bluetooth 연결, RFID 태그, 심지어 GPS 기반 위치 시스템을 갖춘 하드웨어 장치입니다.

이러한 기능은 정밀한 추적 및 성능 모니터링을 가능하게 합니다. 하지만 제한된 배터리 수명, 내구성 문제, 일반 골프공과 같은 타격감을 제공하는지에 대한 우려와 같은 단점도 존재합니다.

스마트 공 외에도 외부 추적 시스템도 인기를 얻고 있습니다. 예를 들어, 레이더 기반의 론치 모니터와 고속 광학 카메라 설정은 공의 비행, 궤적, 스핀에 대한 상세한 데이터를 높은 정확도로 캡처하여 모든 수준의 골퍼에게 핵심적인 통찰력을 제공합니다.

그림 2. 골프공 추적의 예. (출처)

골프 분석에 비전 AI 통합하기#

컴퓨터 비전은 외부 추적의 또 다른 훌륭한 예시입니다. 특히 YOLO11 및 곧 출시될 YOLO26과 같은 모델은 객체 감지, 포즈 추정, 인스턴스 세분화, 객체 추적과 같은 computer vision tasks을 지원합니다. 이러한 기능들이 결합되어 표준 카메라 영상에서 공을 쉽게 찾아내고, 프레임 단위로 추적하며, 샷을 자동으로 트레이스하고, 유용한 성과 인사이트를 생성할 수 있습니다.

이러한 통찰력은 모바일 앱, Garmin 웨어러블(라운드와 샷을 추적하는 GPS 시계 등), 골프 시뮬레이터 플랫폼을 포함한 더 큰 연결 생태계와 연동될 수 있습니다. 이를 통해 골퍼는 데이터를 쉽게 저장하고, 시간 경과에 따른 성능을 검토하며, 여러 장치에서 통찰력에 접근할 수 있습니다.

이러한 방법이 인기 있는 또 다른 이유는 골퍼들이 이미 신뢰하는 공과 함께 사용할 수 있기 때문입니다. 많은 시스템이 Titleist Pro V1, Callaway, TaylorMade, Srixon과 같은 프리미엄 골프 브랜드와 호환되며, 일반적인 고성능 우레탄 공과도 잘 작동합니다. 따라서 플레이어는 장비를 바꾸지 않고도 고급 추적 기능을 이용할 수 있습니다.

Ultralytics YOLO 모델을 이용한 골프공 추적 방법#

Ultralytics YOLO models은 COCO와 같은 인기 데이터셋으로 학습된 사전 학습된 컴퓨터 비전 모델로 제공되므로, 사람, 자동차, 자전거, 동물과 같은 다양한 일상 속 객체를 즉시 감지할 수 있습니다. 이는 다양한 실제 애플리케이션을 위한 훌륭한 시작점이 됩니다.

하지만 자체 데이터로 맞춤 학습시킬 수도 있는데, 이는 타겟이 작고 빠르며 놓치기 쉬운 골프공 추적에 특히 중요합니다. Ultralytics YOLO 모델을 학습시켜 골프공을 감지하고 추적하려면 먼저 관련 데이터셋을 수집하거나 찾는 것이 첫 번째 단계입니다.

보통 이는 각 프레임에서 공이 레이블링된 골프 샷 영상이나 이미지를 포함합니다. 그런 다음 모델을 파인튜닝하여 다양한 조명 조건, 배경, 카메라 각도에서 공을 안정적으로 감지하도록 학습시킬 수 있습니다.

학습 과정은 데이터 로딩, 모델 학습, 검증, 배포를 위한 간단한 도구를 제공하는 Ultralytics Python package를 통해 간소화됩니다. 일단 학습되면 모델은 새로운 비디오에서 골프공을 프레임 단위로 감지할 수 있습니다.

It’s important to keep in mind that the YOLO model itself doesn't track objects over time. Instead, tracking is enabled by the Ultralytics Python package, which combines YOLO’s detections with multi-object tracking algorithms such as BoT-SORT and ByteTrack.

이러한 추적기는 과거의 움직임과 노이즈가 섞인 측정값을 사용하여 객체의 다음 위치를 예측하는 칼만 필터(수학적 모델)를 기반으로 하는 동작 예측을 사용하여 공이 다음에 나타날 위치를 추정하고 프레임 간에 일관된 ID를 유지합니다. 이 설정을 통해 시스템은 공이 이동할 때 이를 따라가며, 잠시 다른 객체와 겹치거나, 화면에서 사라졌다가 나중에 다시 나타날 때도 추적을 유지할 수 있습니다.

감지 결과를 안정적인 궤적으로 전환하기#

골프공을 감지하고 추적하는 것이 어떻게 더 정확한 분석을 이끄는지 궁금할 수 있습니다. 간단히 말해, 이는 점들을 연결하는 것과 같습니다.

각 감지는 하나의 점이며, 추적 기능은 이를 부드러운 경로로 연결하여 공이 공중을 어떻게 이동했는지 보여줍니다. ball trajectory를 확보하고 나면 속도, 발사각, 샷 모양, 공이 착지할 가능성이 높은 위치와 같은 주요 샷 세부 정보를 추정할 수 있습니다.

예를 들어, 빠르게 움직이는 작은 객체의 물리학 기반 3D 추적에 관한 최근 연구에서 연구진은 Ultralytics YOLOv8 detector를 물리학 기반 tracking model과 결합했습니다. Ultralytics YOLOv8은 각 프레임에서 공의 위치를 찾기 위한 객체 감지에 사용되었으며, 모션 모델은 공이 다음에 나타날 위치를 예측했습니다. 이는 시스템이 모션 블러, 짧은 가림, 감지 누락 속에서도 추적을 유지하는 데 도움이 되었습니다.

그림 3. YOLO 모델과 3D 추적을 사용하여 작은 객체를 추적하는 시스템. (출처)

이러한 시스템의 주요 이점은 한때 전문가용 장비가 필요했던 기술을 이제 일상적인 골퍼도 사용할 수 있게 되었으며, 스마트폰, 웨어러블, 시뮬레이터 화면에서 샷을 실시간으로 시각화하여 즉각적인 피드백을 받을 수 있다는 점입니다. 이러한 통찰력은 드라이브 샷부터 퍼팅까지 모든 샷에 적용되어 골퍼가 패턴을 파악하고, 골프 클럽을 비교하며, 더 빠르게 기량을 향상하도록 돕습니다.

컴퓨터 비전 기반 골프공 추적기의 장단점#

컴퓨터 비전이 골프공 추적을 어떻게 가능하게 하는지 더 잘 이해했으니, 이제 그 장점 중 일부를 자세히 살펴보겠습니다:

• 실시간 피드백: 이 시스템은 공의 비행, 궤적, 착지 지점에 대한 즉각적인 데이터를 제공하여 골퍼가 스윙과 샷 전략을 즉시 조정할 수 있도록 합니다.
• 분실구 감소: 공을 지속적으로 추적함으로써 골퍼는 분실구를 찾는 데 소요되는 시간을 줄일 수 있으며, 이는 골프 코스, 연습장, 페어웨이에서의 전체적인 플레이 속도를 향상합니다.
• 범용 호환성: 비전 AI 시스템은 공 내부의 센서가 아닌 카메라를 사용하여 공을 추적하므로, 일반적으로 Titleist Pro V1, Callaway, TaylorMade, Srixon과 같은 프리미엄 모델을 포함한 표준 골프공과 잘 작동합니다.

이러한 이점에도 불구하고 컴퓨터 비전 기반 골프공 추적에는 유의해야 할 몇 가지 제한 사항이 있습니다. 고려해야 할 몇 가지 요소는 다음과 같습니다:

• 선명한 가시성 의존성: 이러한 시스템은 방해받지 않는 카메라 시야와 안정적인 조명이 필요하며, 그림자, 눈부심 또는 장애물은 감지 정확도를 떨어뜨릴 수 있습니다.
• 장거리 또는 빠른 샷의 문제: 매우 긴 드라이브 샷이나 매우 빠른 공 속도는 때때로 카메라 프레임을 벗어날 수 있어 추적 신뢰도가 낮아질 수 있습니다.
• 규제 제한: 특정 컴퓨터 비전 추적 시스템은 USGA 및 PGA 투어 경기 규칙에 따라 제한될 수 있으며, 이는 공식 대회에서의 사용을 제한할 수 있습니다.

스마트 골프공 추적의 미래#

골프공 추적은 더 나은 모델, 더 나은 센서, 더 빠른 온디바이스 처리 성능에 힘입어 빠르게 발전하고 있습니다. 곧 출시될 Ultralytics YOLO26과 같은 새로운 아키텍처는 이전 모델보다 정확도 향상과 효율적인 추론 기능을 바탕으로 구축되어, 연습장, 시뮬레이터 및 훈련 환경에서 사용되는 엣지 디바이스에서 실시간 감지를 더욱 실용적으로 만들 수 있습니다.

동시에 추적 시스템은 컴퓨터 비전과 레이더 기반 론치 모니터를 결합하여 카메라 기반의 공 비행 데이터와 더 풍부한 클럽 및 임팩트 데이터를 쌍으로 구성함으로써 더욱 완벽해지고 있습니다. 이러한 도구가 연습장과 모바일 앱으로 확산함에 따라 더 많은 골퍼가 사용하는 공을 바꾸지 않고도 즉각적인 피드백을 받을 수 있습니다.

그림 4. 론치 모니터 데이터를 사용하는 딥러닝 골프공 비행 모델 살펴보기. (출처)

AI 기반 통찰력은 훈련과 코칭부터 코스 내 의사결정에 이르기까지 골프의 더 많은 영역을 계속 지원할 것입니다. 추적 및 샷 트레이서 시스템이 더 스마트해짐에 따라 골퍼들은 증강 현실(AR) 오버레이로 향상된 연습 도구와 함께 더 많은 자동화된 분석과 더 개인화된 추천을 기대할 수 있습니다.

핵심 요약#

Ultralytics YOLO 모델과 컴퓨터 비전은 골프공이 추적되는 방식을 변화시키고 있습니다. 이들은 정확한 궤적을 생성하고 유용한 성능 통찰력과 함께 실시간 피드백을 전달할 수 있습니다. 이러한 도구가 레이더 시스템 및 휴대폰과 연결됨에 따라 고급 샷 분석은 더 많은 골퍼가 더 쉽게 사용할 수 있게 될 것입니다.

AI가 궁금하신가요? 활발히 운영 중인 community를 확인하고 AI in manufacturing 및 Vision AI in retail과 같은 혁신을 발견해 보세요. GitHub repository를 방문하고 licensing options을 확인하여 오늘 바로 컴퓨터 비전을 시작해 보세요.