독점 데이터로 파인튜닝하고 여러 내보내기 형식에 맞게 최적화한 Ultralytics YOLO 모델을 통합함으로써 Videologic Analytics는 비용과 출시 기간을 줄일 수 있었습니다.
Videologic Analytics는 스페인에 기반을 둔 첨단 비디오 분석 솔루션 개발사로, 산업 현장, 태양광 발전소, 주거 단지의 보안 및 감시를 강화합니다. 보안 카메라와 통합되는 AI 기반 솔루션을 배포해 경계를 모니터링하고 침입을 실시간으로 감지합니다.
기존 모델의 높은 비용과 느린 배포 속도에 직면한 이 기업은 탐지 정확도를 높이고 개발 비용과 출시 기간을 줄이며 소매업과 비즈니스 인텔리전스 같은 새로운 분야로 확장하기 위해 Ultralytics YOLO 모델을 통합했습니다.
AI 카메라로 보안 분야의 컴퓨터 비전 구현#
30년 이상의 경력을 갖춘 전문가들이 이끄는 Videologic Analytics는 실시간 모니터링과 자동화된 위협 탐지를 위해 컴퓨터 비전과 AI를 보안 카메라에 통합하는 데 특화되어 있습니다. Videologic Analytics의 솔루션은 신뢰할 수 있는 성능으로 대규모 시설, 재생 에너지 설비, 주거 지역을 보호합니다.
Videologic Analytics는 Prosegur, Securitas, Sabico와 같은 유명 고객사와 스페인의 공인 보안 기업 4,000여 곳에 서비스를 제공합니다. 비용과 시간이 많이 드는 AI 모델 개발 및 배포 문제에 직면한 Videologic Analytics는 혁신적인 Vision AI 솔루션에 Ultralytics YOLO 모델을 도입했습니다. 이를 통해 보안 애플리케이션을 개선하고 새로운 수직 시장으로 사업을 확장할 수 있었습니다.
AI를 활용한 비용 효율적인 자동 위협 탐지의 필요성#
Videologic Analytics는 이전에 고객에게 제공하는 보안 카메라에 AI 모델을 통합했습니다. 초기 모델은 일반 차량, 사람, 소형 동물 등 제한된 범주의 객체를 탐지하도록 프로그래밍되었습니다. 이러한 기본 접근 방식은 고급 보안 시스템의 토대를 마련했지만, 정밀도와 오탐률 개선을 비롯해 더욱 정교화할 기회도 제공했습니다.
고객은 더 다양한 객체와 시나리오에서 더 폭넓고 정확한 객체 탐지 기능을 제공할 수 있는 보다 포괄적인 솔루션을 원했습니다. 이러한 고객의 요구를 충족하기 위해 Videologic Analytics의 연구개발팀은 향상된 AI 모델 개발에 착수했습니다.
이러한 모델을 개발하는 과정에서 Videologic Analytics는 기존 접근 방식에 높은 비용과 긴 개발 시간 등의 문제가 있음을 빠르게 파악했습니다. 회사는 더 유연하고 효율적인 접근 방식이 필요하다는 점을 깨달았습니다. 이 새로운 접근 방식은 이러한 과제를 해결하고 변화하는 고객의 보안 요구를 더 잘 충족해야 했습니다.
구체적으로 Videologic Analytics는 Vision AI 솔루션의 신뢰성을 높이고 고객 만족도를 향상할 수 있는 컴퓨터 비전 모델을 찾고자 했습니다. 또한 해당 모델은 비용 효율성을 유지하면서 미래의 요구에 적응할 수 있어야 했습니다.
AI 기반 이상 탐지로 감시를 새롭게 정의하다#
여러 AI 모델을 테스트한 후 Videologic Analytics는 Ultralytics YOLO 모델이 필요한 유연성과 성능을 제공한다는 점을 확인했습니다. Videologic Analytics는 다양한 일반 객체를 포함하는 COCO 데이터셋으로 개발된 사전 학습 YOLO 모델부터 사용하기 시작했습니다. 사전 학습을 통해 모델이 이미 여러 기본 객체를 인식할 수 있어 특정 보안 요구에 맞게 조정하기 쉬웠으며, 이를 통해 탄탄한 기반을 마련했습니다.
예를 들어 Videologic Analytics는 태양광 발전소 모니터링과 같은 애플리케이션을 위해 사전 학습된 모델을 자체 독점 데이터로 파인튜닝했습니다.
이 시나리오에서 모델은 AI 기반 이상 감지에 사용되어 무단 인원이나 차량과 같은 실제 위협을 작은 동물이나 바람에 날리는 잔해와 같은 무해한 요소와 구분했습니다. 이러한 명확한 구분은 오경보를 줄이고 전반적인 보안 성능을 향상하는 데 필수적이었습니다.
태양광 발전소 모니터링과 함께 YOLO를 사용한 산업용 및 주거용 보안 솔루션과 소매업 및 비즈니스 인텔리전스 분야의 컴퓨터 비전 혁신을 위한 개념 증명 모듈도 개발했습니다. 주로 객체 탐지를 사용하지만, 자세 추정과 객체 추적 등 YOLO가 지원하는 컴퓨터 비전 작업도 활용합니다.
그림 1. Videologic Analytics는 태양광 발전소 모니터링에 Ultralytics YOLO 모델을 사용합니다.
Ultralytics YOLO 모델을 선택한 이유#
Videologic Analytics는 다수의 카메라 채널을 지원하면서도 빠르고 정확한 추론을 제공할 수 있는 강력한 솔루션이 필요했기 때문에 Ultralytics YOLO 모델을 선택했습니다.
YOLO는 다양한 내보내기 형식을 지원하며 CUDA, TensorRT, ONNX, OpenVINO와 같은 프레임워크와 원활하게 통합됩니다. 이러한 유연성 덕분에 Videologic Analytics는 PyTorch를 사용해 모델을 파인튜닝하고 프로덕션 환경에 효율적으로 배포할 수 있습니다. 하드웨어별 최적화를 통해 YOLO는 기존 모델보다 실시간 비디오 분석의 까다로운 요구 사항을 더 잘 충족합니다.
지능형 비디오 모니터링을 위한 간소화된 모델 배포#
Ultralytics YOLO 모델을 통합한 이후 Videologic Analytics는 성능과 효율성이 크게 향상되는 것을 확인했습니다. 새로운 Vision AI 솔루션을 통해 태양광 발전소와 산업 시설부터 주거 단지까지 다양한 설치 환경에서 위협을 신속하게 실시간 탐지할 수 있게 되었습니다.
실제로 Videologic Analytics는 매년 약 10,000개의 라이선스를 배포하며, 각 라이선스는 전용 카메라 채널 하나에 해당합니다. 현재 모든 라이선스가 Ultralytics YOLO 모델을 지원하도록 업그레이드되었습니다. YOLO로 전환한 결과 오경보가 크게 줄고 전반적인 탐지 정확도가 향상되었습니다. 이에 따라 고객은 더욱 신뢰할 수 있는 보안 시스템을 이용할 수 있게 되었으며 운영 비용도 절감되었습니다.
또한 Ultralytics YOLO 모델의 추론 속도가 더 빠르고 확장성이 뛰어나 새로운 AI 기능의 출시 기간이 단축되었습니다. 이에 따라 Videologic Analytics는 핵심 보안 서비스를 개선하고 소매업 및 비즈니스 인텔리전스와 같은 수직 시장에서 새로운 기회를 모색할 수 있었습니다. 전반적으로 Ultralytics YOLO 모델의 도입은 회사의 즉각적인 운영 개선과 장기적인 성장 전망을 모두 뒷받침했습니다.
그림 2. Videologic Analytics가 도시 환경을 모니터링하는 데 Ultralytics YOLO 모델을 사용합니다.
안전과 보안을 위한 스마트 비디오 분석: 앞으로의 방향#
Videologic Analytics는 Ultralytics YOLO 모델을 활용해 기본적인 침입 탐지를 넘어 솔루션을 확장하기 위해 적극적으로 노력하고 있습니다. 다음 단계에서는 행동 분석, 추세 추적, 예측 인텔리전스와 같은 고급 분석을 통해 더욱 풍부하고 실행 가능한 인사이트를 제공할 계획입니다.
이러한 개선을 통해 고객은 보안 운영을 최적화하고 소매 및 비즈니스 인텔리전스 분야의 새로운 가능성을 실현하여 실시간 비디오 분석의 지속적인 혁신과 성장을 이룰 수 있습니다.
컴퓨터 비전이 비즈니스를 어떻게 바꿀 수 있는지 궁금하신가요? GitHub 저장소에서 Ultralytics의 AI 솔루션이 소매업의 AI와 농업 분야의 컴퓨터 비전 같은 혁신을 어떻게 지원하는지 살펴보세요. YOLO 모델과 라이선스 옵션에 대해 자세히 알아보고, 지금 더 스마트하고 효율적인 자동화를 향한 여정을 시작해 보세요.
