Ultralytics YOLO11을 사용한 자동 번호판 인식

AI 도입이 증가함에 따라 자동 번호판 인식(ANPR)에 의존하는 혁신이 더욱 보편화되고 있습니다. ANPR 시스템은 컴퓨터 비전을 사용하여 차량 번호판을 자동으로 읽고 식별 및 추적합니다. 최근 AI 기술의 발전으로 이러한 시스템을 우리 일상 생활에 신속하게 통합할 수 있게 되었습니다. 실제로 톨게이트나 경찰의 과속 차량 단속에서 ANPR 시스템을 보셨을 수도 있습니다. 

차량 번호판 인식이 점점 더 중요해지고 있으며, 글로벌 ANPR 시스템 시장은 2027년까지 48억 달러에 이를 것으로 예상됩니다. 이러한 성장의 요인은 ANPR이 교통 관리 및 보안과 같은 애플리케이션에 제공하는 이점입니다. 

ANPR 애플리케이션에서 최상의 결과를 얻으려면 이러한 솔루션의 AI 기술을 이해하는 것이 중요합니다. 예를 들어, 객체 감지는 컴퓨터 비전 작업으로서 차량을 정확하게 인식하고 추적하는 데 필수적이며, 여기서 컴퓨터 비전 모델인 Ultralytics YOLO11이 사용됩니다. 이 문서에서는 ANPR 작동 방식과 특히 YOLO11이 ANPR 솔루션을 어떻게 개선할 수 있는지 살펴봅니다. 

‍

자동 번호판 인식 작동 방식

자동 번호판 인식은 차량 번호판을 빠르고 정확하게 식별하기 위한 몇 가지 중요한 단계를 포함합니다. 이러한 단계들이 어떻게 협력하여 프로세스를 효율적으로 만드는지 자세히 살펴보겠습니다.

• 이미지 캡처: 먼저 카메라를 사용하여 차량 이미지를 캡처합니다. 이 카메라는 통행료 징수소와 같은 고정된 위치에 설치하거나 이동성을 위해 경찰 차량에 장착할 수 있습니다.
  ‍
• 차량 번호판 감지: 그런 다음 YOLO11과 같은 객체 감지 모델을 사용하여 이미지에서 번호판을 찾습니다.
  ‍
• 광학 문자 인식 (OCR): 다음으로, OCR을 사용하여 번호판의 문자(이미지)를 읽고 기계가 읽을 수 있는 텍스트로 변환합니다.
  ‍
• 데이터베이스 조회: 텍스트 데이터를 데이터베이스와 대조하여 차량 번호판 정보를 확인합니다.

‍

ANPR 시스템은 종종 열악한 조명, 다양한 번호판 디자인 및 열악한 환경 조건과 같은 문제에 직면할 수 있습니다. YOLO11은 조건이 어려울 때에도 감지 정확도와 속도를 높여 이러한 문제를 해결하는 데 도움이 될 수 있습니다. YOLO11과 같은 모델을 사용하면 ANPR이 더욱 안정적으로 작동하여 낮이든 밤이든 또는 악천후 속에서도 실시간으로 번호판을 더 쉽게 식별할 수 있습니다. 다음 섹션에서는 이러한 개선 사항을 달성하기 위해 YOLO11을 사용하는 방법에 대해 자세히 살펴보겠습니다.

YOLO11이 ANPR 시스템을 향상시킬 수 있는 방법

Ultralytics YOLO11은 Ultralytics의 연례 하이브리드 행사인 YOLO Vision 2024(YV24)에서 처음 공개되었습니다. 실시간 애플리케이션을 지원하는 객체 감지 모델인 YOLO11은 ANPR 시스템과 같은 혁신 기술을 개선하는 데 적합한 선택입니다. 또한 YOLO11은 엣지 AI 애플리케이션에도 적합합니다. 이를 통해 YOLO11과 통합된 ANPR 솔루션은 네트워크 연결이 불안정한 경우에도 효과적으로 작동할 수 있습니다. 결과적으로 ANPR 시스템은 원격 위치나 연결이 제한된 지역에서도 원활하게 작동할 수 있습니다.

YOLO11은 이전 버전에 비해 효율성도 향상되었습니다. 예를 들어 YOLO11m은 YOLOv8m에 비해 22% 더 적은 파라미터로 COCO 데이터 세트에서 더 높은 평균 정밀도(mAP)를 달성합니다. YOLO11을 통해 ANPR 시스템은 변화하는 조명 조건, 다양한 번호판 디자인 및 움직이는 차량과 같은 다양한 문제를 더 잘 처리하여 보다 안정적이고 효과적인 번호판 인식이 가능합니다.

‍

ANPR 프로젝트에서 YOLO11을 어떻게 활용할 수 있는지 궁금하시다면, 매우 간단합니다. 객체 탐지를 지원하는 다양한 YOLO11 모델은 COCO 데이터 세트로 사전 훈련되었습니다. 이러한 모델은 자동차, 자전거, 동물과 같이 80가지의 다양한 객체 유형을 탐지할 수 있습니다. 번호판은 사전 훈련된 라벨에 포함되어 있지 않지만, 사용자는 Ultralytics Python 패키지 또는 노코드 Ultralytics HUB 플랫폼을 사용하여 YOLO11을 맞춤형으로 훈련하여 번호판을 탐지할 수 있습니다. 사용자는 특정 번호판 데이터 세트를 생성하거나 사용하여 맞춤형으로 훈련된 YOLO11 모델을 ANPR에 완벽하게 적용할 수 있습니다.

YOLO11과 통합된 ANPR 시스템의 응용

다음으로, ANPR과 YOLO11을 함께 사용하여 효율성과 정확성을 향상시킬 수 있는 다양한 애플리케이션을 살펴보겠습니다.

교통 및 법 집행을 위한 실시간 번호판 감지

교차로와 고속도로를 이동하는 자동차로 붐비는 도시에서 교통 경찰관은 혼잡을 관리하고 교통 위반을 감시하며 공공 안전을 보장해야 합니다. ANPR은 YOLO11과 통합되면 이러한 노력에 큰 변화를 가져올 수 있습니다. 당국은 차량 번호판을 즉시 인식하여 교통 흐름을 감시하고 교통 법규를 시행하며 위반에 연루된 차량을 신속하게 식별할 수 있습니다. 예를 들어 과속 차량을 쉽게 식별할 수 있습니다. 

‍

전반적으로 YOLO11을 사용한 ANPR은 수동 작업이 필요한 작업을 자동화할 수 있습니다. 적색 신호 위반 차량을 감지하고 통행료 징수소 운영을 관리할 수 있습니다. 이러한 작업을 자동화하면 시스템 효율성이 향상될 뿐만 아니라 교통 경찰관의 업무 부담을 줄여 보다 중요한 업무에 집중할 수 있습니다.

법 집행 분야에서 YOLO11과 ANPR은 함께 작동하여 도난 차량을 추적하고 의심스러운 활동으로 표시된 차량을 식별할 수 있습니다. YOLO11의 실시간 감지 기능은 차량이 빠르게 움직이는 경우에도 신속하고 안정적으로 인식되도록 보장합니다. 이 기능은 더 빠른 대응 시간과 보다 효과적인 법 집행을 가능하게 하여 공공 안전을 향상시키는 데 도움이 됩니다.

최첨단 주차 관리 시스템 및 ANPR

YOLO11을 사용한 ANPR의 또 다른 흥미로운 응용 분야는 주차 관리 시스템입니다. 예를 들어, 운전자가 발권기나 안내원과 상호 작용할 필요 없이 자동차가 들어가고 주차하고 나갈 수 있는 주차장을 가능하게 합니다. YOLO11을 사용하는 ANPR 주차 시스템은 원활한 출입, 퇴장 및 결제 프로세스를 지원할 수 있습니다.

‍

차량이 진입 게이트에 접근하면 YOLO11 기반의 ANPR이 즉시 번호판을 인식합니다. 그런 다음 시스템은 사전 등록된 데이터베이스와 번호판을 대조하거나 새 항목을 생성합니다. 게이트가 자동으로 열려 수동 단계 없이 차량이 진입할 수 있습니다. 이처럼 빨라진 프로세스는 운전자에게 더욱 편리한 경험을 제공합니다.

마찬가지로 차량이 출차할 때도 YOLO11을 사용하여 차량 번호판을 다시 감지합니다. 주차 시간을 계산하고 차량이 결제 수단으로 등록되어 있는 경우 자동으로 결제를 처리할 수 있습니다. 이러한 자동화는 물리적인 결제 기기의 필요성을 없애고, 특히 혼잡한 시간대에 출구에서의 정체를 줄이는 데 도움이 됩니다.

YOLO11의 실시간 번호판 정확도 탐지 능력은 이러한 주차 관리 시스템을 원활하게 작동시키는 데 핵심적인 역할을 합니다. 주차를 더 편리하게 만드는 것과 더불어, 운영자는 수작업을 줄이고 교통 흐름을 개선하여 시설을 더 효율적으로 관리할 수 있습니다.

보안 시스템의 접근 제어를 위한 ANPR 사용

YOLO11과 통합된 ANPR 시스템은 폐쇄형 커뮤니티, 기업 캠퍼스, 제한 시설과 같은 보안 구역에 대한 접근 관리에 훌륭한 선택입니다. ANPR을 사용함으로써 이러한 장소는 보안을 자동화하여 허가된 차량만 출입할 수 있도록 보장할 수 있습니다.

‍

앞서 논의한 주차 관리 시스템과 유사합니다. 주요 차이점은 시스템이 허가된 차량 목록과 대조하여 번호판을 확인한다는 것입니다. 차량이 승인되면 게이트가 자동으로 열려 거주자, 직원 또는 방문자에게 원활한 접근을 제공하는 동시에 보안을 강화합니다. 이 프로세스는 수동 검사의 필요성을 줄여 보안 담당자가 더 중요한 작업에 집중할 수 있도록 합니다.

ANPR 시스템은 미래 스마트 시티의 핵심 요소입니다.

이제 YOLO11과 통합된 ANPR 시스템의 몇 가지 응용 분야를 살펴보았으니, 이러한 응용 분야를 보다 연결된 방식으로 생각해 보겠습니다. 

개별 애플리케이션일 뿐만 아니라 스마트 도시를 위한 도시 인프라에서 하나의 응집력 있는 솔루션으로 간주될 때 그 장점이 빛을 발합니다. 도시가 더욱 스마트해짐에 따라 ANPR 시스템은 도시 인프라에서 점점 더 중요한 역할을 수행하고 있습니다.

예를 들어 스마트 시티에서 ANPR이 교통 관리, 보안 액세스 권한 부여 및 주차 간소화를 동시에 수행하는 경우를 생각해 보십시오. 차량이 도시에 진입할 때 감지되어 전체를 추적하고 제한 구역에 대한 액세스 권한을 부여받고 수동 개입 없이 주차할 수 있습니다. 

YOLO11과 같은 컴퓨터 비전 모델을 통합함으로써 ANPR은 트래픽을 보다 효율적으로 관리하고 보안을 강화하며 공공 안전을 개선하는 데 도움이 될 수 있습니다. 이러한 시스템은 현대 도시의 증가하는 복잡성을 관리하는 데 필수적인 실시간 모니터링, 자동화된 프로세스 및 데이터 기반 의사 결정을 가능하게 합니다. 

YOLO11을 사용한 ANPR 최종 점검 

ANPR 시스템은 현대 도시 인프라에 필수적이며 YOLO11과 같은 컴퓨터 비전 모델을 통합하면 더욱 유용합니다. YOLO11은 더 나은 정확도, 실시간 처리 및 적응성으로 ANPR을 향상시켜 스마트 시티 애플리케이션에 이상적입니다. 교통 관리 및 법 집행 개선에서 주차 자동화 및 보안 액세스에 이르기까지 YOLO11 기반 ANPR 시스템은 효율성과 신뢰성을 제공합니다. 도시가 더욱 스마트해짐에 따라 이러한 솔루션은 도시 생활을 변화시키고 지능형 인프라의 미래를 지원하는 데 중요한 역할을 할 것입니다.

AI에 대해 더 자세히 알아보려면 GitHub 저장소를 방문하여 커뮤니티에 참여하십시오. 솔루션 페이지에서 제조 및 농업 분야의 AI 애플리케이션을 살펴보십시오. 🚀