자동 번호판 인식에 Ultralytics YOLO11을 사용하는 방법

AI 도입이 늘면서 자동 번호판 인식 (ANPR)에 의존하는 혁신 기술이 더욱 보편화되고 있습니다. ANPR 시스템은 컴퓨터 비전을 사용해 차량 번호판을 자동으로 읽고 식별 및 추적합니다. 최근 AI의 발전으로 이러한 시스템을 일상생활에 빠르게 통합할 수 있게 되었습니다. 실제로 요금소나 과속 차량을 단속하는 경찰 검문 중에 ANPR 시스템을 본 적이 있을 수도 있습니다.

번호판 인식의 중요성이 커지고 있으며, 전 세계 ANPR 시스템 시장은 2027년까지 48억 달러 규모에 이를 것으로 예상됩니다. 이러한 성장의 한 요인은 교통 관리와 보안 등의 애플리케이션에서 ANPR이 제공하는 이점입니다.

ANPR 애플리케이션에서 최상의 결과를 얻으려면 이러한 솔루션의 기반이 되는 AI 기술을 이해하는 것이 중요합니다. 예를 들어 컴퓨터 비전 작업인 객체 감지는 차량을 정확하게 인식하고 추적하는 데 필수적이며, 이때 Ultralytics YOLO11과 같은 컴퓨터 비전 모델을 활용할 수 있습니다. 이 글에서는 ANPR의 작동 방식과 특히 YOLO11이 ANPR 솔루션을 어떻게 개선할 수 있는지 살펴봅니다.

그림 1. ANPR에 Ultralytics YOLO 모델을 사용하는 모습입니다.

자동 번호판 인식의 작동 방식#

자동 번호판 인식은 차량 번호판을 빠르고 정확하게 식별하기 위해 몇 가지 중요한 단계를 거칩니다. 이러한 단계가 어떻게 연결되어 효율적인 프로세스를 만드는지 살펴보겠습니다.

• 이미지 캡처: 먼저 카메라를 사용해 차량 이미지를 촬영합니다. 카메라는 요금소와 같은 고정된 위치에 설치하거나 이동성을 위해 경찰 차량에 장착할 수 있습니다.
• 번호판 감지: 그런 다음 YOLO11과 같은 객체 감지 모델을 사용해 이미지에서 번호판을 찾습니다.
• 광학 문자 인식(OCR): 다음으로 OCR을 사용해 이미지에 있는 번호판 문자를 읽고 기계가 읽을 수 있는 텍스트로 변환합니다.
• 데이터베이스 조회: 그런 다음 텍스트 데이터를 데이터베이스와 대조해 번호판 정보를 확인합니다.

그림 2. Ultralytics YOLO 모델을 사용해 번호판을 탐지하는 예시입니다.

ANPR 시스템은 조명 부족, 다양한 번호판 디자인, 까다로운 환경 조건 등의 문제에 자주 직면합니다. YOLO11은 조건이 까다로운 경우에도 감지 정확도와 속도를 높여 이러한 문제를 해결하는 데 도움이 됩니다. YOLO11과 같은 모델을 사용하면 ANPR의 안정성이 향상되어 낮과 밤, 악천후 여부와 관계없이 실시간으로 번호판을 더 쉽게 식별할 수 있습니다. 다음 섹션에서는 이러한 개선을 위해 YOLO11을 사용하는 방법을 자세히 살펴보겠습니다.

YOLO11로 ANPR 시스템 개선하기#

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 적합합니다. YOLO11은 엣지 AI 애플리케이션에도 적합합니다. 따라서 YOLO11을 통합한 ANPR 솔루션은 네트워크 연결이 불안정하더라도 효과적으로 작동할 수 있습니다. 그 결과 ANPR 시스템은 원격 지역이나 연결이 제한된 곳에서도 계속 작동할 수 있습니다.

YOLO11은 이전 모델보다 효율성도 향상되었습니다. 예를 들어 YOLO11m은 YOLOv8m보다 파라미터 수가 22% 적으면서도 COCO 데이터셋에서 더 높은 평균 정밀도(mAP)를 달성합니다. YOLO11을 사용하면 ANPR 시스템은 변화하는 조명 조건, 다양한 번호판 디자인, 움직이는 차량과 같은 여러 문제에 더 잘 대응하여 더욱 안정적이고 효과적으로 번호판을 인식할 수 있습니다.

그림 3. Ultralytics YOLO11과 이전 버전을 비교한 모습입니다.

ANPR 프로젝트에서 YOLO11을 사용하는 방법이 궁금하다면 매우 간단합니다. 객체 감지를 지원하는 YOLO11 모델의 다양한 버전은 COCO 데이터셋으로 사전 학습되어 있습니다. 이러한 모델은 자동차, 자전거, 동물 등 80가지 객체 유형을 감지할 수 있습니다. 사전 학습 레이블에는 번호판이 포함되어 있지 않지만, Ultralytics Python 패키지 또는 코드 없이 사용할 수 있는 Ultralytics Platform(이전의 Ultralytics HUB)을 사용해 YOLO11을 쉽게 커스텀 학습할 수 있습니다. 사용자는 자체 데이터셋을 만들거나 Car License Plate 데이터셋과 같은 공개 데이터셋을 활용해 ANPR에 적합한 커스텀 학습 YOLO11 모델을 만들 수 있습니다.

YOLO11을 통합한 ANPR 시스템의 애플리케이션#

이제 효율성과 정확도를 높이기 위해 ANPR과 YOLO11을 함께 사용할 수 있는 다양한 애플리케이션을 살펴보겠습니다.

교통 및 법 집행을 위한 실시간 번호판 탐지#

차량이 교차로와 고속도로를 오가는 번잡한 도시에서는 교통 담당자가 혼잡을 관리하고 교통 위반을 감시하며 공공 안전을 확보해야 합니다. YOLO11과 통합된 ANPR은 이러한 활동에 큰 도움이 될 수 있습니다. 당국은 차량 번호판을 즉시 인식해 교통 흐름을 파악하고, 교통 법규를 집행하며, 위반과 관련된 차량을 신속하게 식별할 수 있습니다. 예를 들어 과속 차량을 쉽게 감지할 수 있습니다.

그림 4. ANPR과 YOLO11로 과속 차량을 탐지하고 식별하는 모습입니다.

전반적으로 YOLO11을 활용한 ANPR은 수작업이 필요했던 업무를 자동화할 수 있습니다. 신호를 위반해 적색 신호에 통과하는 차량을 탐지하고 요금소 운영을 관리할 수 있습니다. 이러한 업무를 자동화하면 시스템 효율성이 향상될 뿐 아니라 교통 담당자의 업무 부담도 줄어 더 중요한 책임에 집중할 수 있습니다.

법 집행 분야에서 YOLO11과 ANPR은 함께 작동해 도난 차량을 추적하고 수상한 활동이 의심되는 차량을 식별할 수 있습니다. YOLO11의 실시간 감지 기능은 차량이 빠르게 움직일 때도 신속하고 안정적으로 인식합니다. 이러한 기능은 더 빠른 대응과 효과적인 법 집행을 지원하여 공공 안전을 개선하는 데 도움이 됩니다.

최첨단 주차 관리 시스템과 ANPR#

YOLO11과 ANPR의 또 다른 유용한 애플리케이션은 주차 관리 시스템입니다. 예를 들어 운전자가 발권기나 주차 안내원과 상호작용하지 않아도 차량이 주차장에 진입하고, 주차하고, 나갈 수 있습니다. YOLO11을 사용하는 ANPR 주차 시스템은 원활한 입출차와 결제 절차를 지원합니다.

그림 5. Ultralytics YOLO 모델을 사용한 주차장 관리입니다.

차량이 입구 게이트에 접근하면 YOLO11 기반 ANPR이 번호판을 즉시 인식합니다. 그런 다음 시스템은 번호판을 사전 등록된 데이터베이스와 대조하거나 새 항목을 생성합니다. 게이트가 자동으로 열려 별도의 수동 절차 없이 차량이 진입합니다. 절차가 빨라져 운전자에게 더 편리한 경험을 제공합니다.

마찬가지로 차량이 출차할 때 YOLO11을 사용해 시스템이 번호판을 다시 감지합니다. 시스템은 주차 시간을 계산하고 차량에 결제 수단이 등록되어 있으면 자동으로 결제를 처리할 수 있습니다. 이러한 자동화는 무인 결제기의 필요성을 없애고 특히 혼잡한 시간대에 출구의 정체를 줄이는 데 도움이 됩니다.

YOLO11이 번호판을 정확하고 실시간으로 감지하는 기능은 이러한 주차 관리 시스템이 원활하게 작동하도록 하는 핵심 요소입니다. 주차 편의성을 높일 뿐만 아니라 수작업을 줄이고 교통 흐름을 개선하여 운영자가 시설을 더 효과적으로 관리하도록 지원합니다.

보안 시스템에서 접근 제어를 위한 ANPR 활용#

YOLO11을 통합한 ANPR 시스템은 게이트가 있는 주거 단지, 기업 캠퍼스, 출입 제한 시설과 같은 보안 구역의 출입을 관리하는 데 적합합니다. ANPR을 활용하면 이러한 장소에서 보안 절차를 자동화하여 승인된 차량만 출입하도록 할 수 있습니다.

그림 6. ANPR을 사용해 보안 구역에 허가된 차량을 통과시키는 모습입니다.

앞서 살펴본 주차 관리 시스템과 비슷합니다. 가장 큰 차이점은 시스템이 번호판을 승인된 차량 목록과 대조한다는 것입니다. 차량이 승인되면 게이트가 자동으로 열려 주민, 직원 또는 방문객이 신속하게 출입할 수 있으며 보안도 철저하게 유지됩니다. 이 프로세스는 수동 확인의 필요성을 줄여 보안 담당자가 더 중요한 업무에 집중할 수 있도록 합니다.

ANPR 시스템은 스마트 시티의 미래를 이루는 핵심 요소입니다.#

YOLO11을 통합한 ANPR 시스템의 몇 가지 애플리케이션을 살펴봤으니, 이제 이러한 애플리케이션이 더 긴밀하게 연결되는 방식으로 생각해 보겠습니다.

개별 애플리케이션으로서의 이점도 있지만, 스마트 시티의 도시 인프라에서 하나의 통합 솔루션으로 볼 때 장점이 더욱 두드러집니다. 도시가 더욱 스마트하게 발전하면서 ANPR 시스템은 도시 인프라에서 점점 더 중요한 역할을 하고 있습니다.

예를 들어, ANPR을 사용해 교통을 관리하고 보안 접근을 허용하며 주차 절차를 간소화하는 스마트 시티를 생각해 보겠습니다. 차량이 도시에 진입할 때 감지되고, 이동 내내 추적되며, 제한 구역 출입이 허용되고, 수동 개입 없이 주차할 수 있습니다.

YOLO11과 같은 컴퓨터 비전 모델을 통합하면 ANPR을 통해 교통을 더 효율적으로 관리하고 보안을 강화하며 공공 안전을 개선할 수 있습니다. 이러한 시스템은 실시간 모니터링, 자동화된 프로세스, 데이터 기반 의사결정을 지원하며, 이는 현대 도시의 복잡성이 커지는 상황을 관리하는 데 필수적입니다.

YOLO11을 활용한 ANPR을 최종적으로 살펴보기#

ANPR 시스템은 현대 도시 인프라에 필수적인 요소가 되고 있으며, YOLO11과 같은 컴퓨터 비전 모델을 통합하면 그 활용 가치가 더욱 커집니다. YOLO11은 정확도 향상, 실시간 처리, 적응성을 통해 ANPR을 강화하므로 스마트 시티 애플리케이션에 적합합니다. 교통 관리와 법 집행의 개선부터 주차와 보안 접근의 자동화까지, YOLO11 기반 ANPR 시스템은 효율성과 신뢰성을 제공합니다. 도시가 더욱 스마트해짐에 따라 이러한 솔루션은 도시 생활을 혁신하고 지능형 인프라의 미래를 뒷받침하는 데 중요한 역할을 할 가능성이 큽니다.

AI에 대해 자세히 알아보려면 GitHub 저장소를 방문하고 커뮤니티에 참여해 보세요. 솔루션 페이지에서 제조 및 농업 분야의 AI 애플리케이션을 살펴보세요.