비디오 감시를 위한 Videologic Analytics 및 Ultralytics YOLO

Videologic Analytics는 스페인에 본사를 둔 첨단 영상 분석 솔루션 개발업체로, 산업 현장, 태양광 발전소, 주거 단지의 보안 및 감시 기능을 강화합니다. 이 회사는 보안 카메라와 통합된 AI 기반 솔루션을 배포하여 경계를 감시하고 실시간으로 침입을 탐지합니다. 

이전 모델의 높은 비용과 느린 배포에 직면하여 Ultralytics YOLO 모델을 통합하여 감지 정확도를 높이고 개발 비용과 출시 시간을 줄이며 소매 및 비즈니스 인텔리전스와 같은 새로운 영역으로 확장했습니다.

AI 카메라를 활용한 보안용 컴퓨터 비전 구현

30년 이상의 경력을 가진 전문가가 이끄는 Videologic Analytics는 실시간 모니터링 및 자동화된 위협 탐지를 위해 AI 및 컴퓨터 비전을 보안 카메라에 통합하는 것을 전문으로 합니다. 그들의 솔루션은 안정적인 성능으로 대규모 시설, 재생 에너지 설치 및 주거 커뮤니티를 보호합니다.

이들은 Prosegur, Securitas, Sabico와 같은 유명 고객과 스페인 내 4,000개 이상의 인증된 보안 회사를 대상으로 서비스를 제공합니다. 비용이 많이 들고 시간이 오래 걸리는 AI 모델 개발 및 배포의 어려움에 직면하여 Ultralytics YOLO 모델을 혁신적인 Vision AI 솔루션에 도입했습니다. 이를 통해 보안 애플리케이션을 개선하고 새로운 시장으로 확장할 수 있었습니다.

AI를 사용한 비용 효율적인 자동 위협 감지의 필요성

Videologic Analytics는 이전에 고객에게 제공하는 보안 카메라에 AI 모델을 통합했습니다. 이러한 초기 모델은 일반 차량, 사람 및 작은 동물을 포함한 제한된 범위의 객체 범주를 감지하도록 프로그래밍되었습니다. 이 기초적인 접근 방식은 고급 보안 시스템을 위한 토대를 마련했지만 특히 정밀도와 오탐지율을 향상시키는 데 있어 추가 개선의 기회도 제시했습니다.

그들의 고객은 더 광범위하고 정확한 객체 탐지 기능을 더 넓은 범위의 객체와 시나리오에 제공할 수 있는 보다 포괄적인 솔루션을 찾고 있었습니다. 이러한 고객의 요구를 충족하기 위해 Videologic Analytics의 연구 개발 팀은 향상된 AI 모델 개발을 시작했습니다. 

이러한 모델을 개발하는 동안 Videologic Analytics는 기존 접근 방식에 높은 비용과 긴 개발 시간과 같은 몇 가지 문제가 있음을 빠르게 발견했습니다. 회사는 보다 유연하고 효율적인 접근 방식이 필요하다는 것을 깨달았습니다. 이 새로운 접근 방식은 이러한 문제를 해결하고 고객의 진화하는 보안 요구 사항을 더 잘 충족해야 했습니다. 

특히 그들은 Vision AI 솔루션의 신뢰성을 향상시키고 고객 만족도를 높일 수 있는 컴퓨터 비전 모델을 식별하기를 원했습니다. 또한 모델이 비용 효율적이고 미래의 요구에 적응할 수 있어야 했습니다.

AI 기반 이상 감지로 감시 기능 재정의

Videologic Analytics는 여러 AI 모델을 테스트한 후 Ultralytics YOLO 모델이 필요한 유연성과 성능을 제공한다는 사실을 발견했습니다. 그들은 광범위한 일반 객체를 포함하는 COCO 데이터 세트를 사용하여 개발된 사전 학습된 YOLO 모델로 시작했습니다. 이 사전 학습은 모델이 이미 많은 기본 항목을 인식할 수 있으므로 특정 보안 요구 사항에 맞게 조정하는 것이 더 쉬워 강력한 기반을 제공했습니다.

예를 들어, Videologic Analytics는 태양광 발전소 모니터링과 같은 애플리케이션을 위해 자체 독점 데이터를 사용하여 이러한 사전 훈련된 모델을 미세 조정했습니다. 

이 시나리오에서 모델은 AI 기반 이상 감지에 사용되어 허가되지 않은 인원이나 차량과 같은 실제 위협과 작은 동물이나 바람에 날리는 파편과 같은 무해한 요소를 구별했습니다. 이러한 명확한 차별화는 오경보를 줄이고 전반적인 보안 성능을 향상시키는 데 필수적이었습니다.

태양광 발전소 모니터링 외에도 YOLO를 사용하여 산업 및 주거 보안 솔루션을 개발했으며, 소매 및 비즈니스 인텔리전스 분야의 컴퓨터 비전 혁신을 위한 개념 증명 모듈도 개발했습니다. 주로 객체 탐지를 사용하지만, 포즈 추정 및 객체 추적과 같이 YOLO에서 지원하는 컴퓨터 비전 작업도 활용합니다.

‍

Ultralytics YOLO 모델을 선택하는 이유

Videologic Analytics는 빠르고 정확한 추론을 제공하면서 수많은 카메라 채널을 지원할 수 있는 강력한 솔루션이 필요했기 때문에 Ultralytics YOLO 모델을 선택했습니다. 

YOLO는 다양한 내보내기 형식을 지원하며 CUDA, TensorRT, ONNX 및 OpenVINO와 같은 프레임워크와 원활하게 통합됩니다. 이러한 유연성 덕분에 Videologic Analytics는 PyTorch를 사용하여 모델을 미세 조정하고 프로덕션 환경에 효율적으로 배포할 수 있습니다. 하드웨어별 최적화를 통해 YOLO는 이전 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 효율성 모두에서 놀라운 개선을 이루었습니다. 새로운 Vision AI 솔루션을 통해 태양광 발전소 및 산업 현장에서 주거 단지에 이르기까지 광범위한 시설에서 빠르고 실시간적인 위협 탐지가 가능해졌습니다. 

실제로 Videologic Analytics는 연간 약 10,000개의 라이선스를 배포하며, 각 라이선스는 전용 카메라 채널에 해당하며, 현재 모든 라이선스가 Ultralytics YOLO 모델을 지원하도록 업그레이드되었습니다. YOLO로의 전환은 오경보의 상당한 감소와 전반적인 탐지 정확도 향상으로 이어졌습니다. 결과적으로 고객은 보다 안정적인 보안 시스템을 누리고 운영 비용이 절감되었습니다. 

또한 Ultralytics YOLO 모델의 빠른 추론 속도와 확장성 덕분에 새로운 AI 기능의 출시 기간이 단축되었습니다. 이를 통해 Videologic Analytics는 핵심 보안 제품을 개선하고 소매 및 비즈니스 인텔리전스와 같은 분야에서 새로운 기회를 모색할 수 있었습니다. 전반적으로 Ultralytics YOLO 모델의 채택은 회사의 즉각적인 운영 개선과 장기적인 성장 전망을 모두 이끌었습니다.

‍

안전 및 보안을 위한 스마트 비디오 분석: 나아갈 길

Videologic Analytics는 기본적인 침입 탐지를 넘어 Ultralytics YOLO 모델을 활용하여 솔루션을 확장하기 위해 적극적으로 노력하고 있습니다. 다음 단계는 행동 분석, 추세 추적, 예측 정보와 같은 고급 분석을 통해 더 풍부하고 실행 가능한 통찰력을 제공하는 것입니다. 

이러한 개선 사항은 고객이 보안 운영을 최적화하고 소매 및 비즈니스 인텔리전스에서 새로운 가능성을 열어 실시간 비디오 분석에서 지속적인 혁신과 성장을 주도하는 데 도움이 될 것입니다.

컴퓨터 비전이 어떻게 비즈니스를 재편할 수 있는지 궁금하신가요? GitHub 저장소를 탐색하여 Ultralytics의 AI 솔루션이 자율 주행 자동차의 AI 및 농업 분야의 컴퓨터 비전과 같은 혁신을 어떻게 변화시키고 있는지 확인하세요. YOLO 모델 및 라이선스 옵션에 대해 자세히 알아보고 오늘날 더욱 스마트하고 효율적인 자동화를 향한 여정을 시작하세요.