Videologic Analytics, Ultralytics YOLO로 1만 개의 AI 카메라 라이선스로 확장

스페인에 본사를 둔 Videologic Analytics는 산업 현장, 태양광 발전 단지, 주거 단지의 보안 및 감시 기능을 강화하는 고급 비디오 분석 솔루션 개발사입니다. 이들은 보안 카메라와 통합되어 실시간으로 경계를 모니터링하고 침입을 감지하는 AI 기반 솔루션을 배포합니다.

이전 모델의 높은 비용과 느린 배포 속도로 어려움을 겪던 이들은 Ultralytics YOLO 모델을 통합하여 감지 정확도를 높이고 개발 비용과 시장 출시 기간을 단축했으며, 소매 및 비즈니스 인텔리전스와 같은 새로운 영역으로 사업을 확장했습니다.

Link to this sectionAI 카메라를 통한 보안용 컴퓨터 비전 구현#

30년 이상의 경험을 갖춘 전문가들이 이끄는 Videologic Analytics는 보안 카메라에 AI와 컴퓨터 비전을 통합하여 실시간 모니터링 및 자동화된 위협 감지를 전문으로 합니다. 이들의 솔루션은 뛰어난 성능으로 대규모 시설, 신재생 에너지 설비 및 주거 커뮤니티를 안전하게 보호합니다.

이들은 Prosegur, Securitas, Sabico를 비롯하여 스페인 내 4,000개 이상의 공인 보안 업체에 서비스를 제공하고 있습니다. 비용이 많이 들고 시간이 오래 걸리는 AI 모델 개발 및 배포 문제에 직면했던 이들은 혁신적인 Vision AI 솔루션에 Ultralytics YOLO 모델을 도입했습니다. 이를 통해 보안 애플리케이션을 강화하고 새로운 분야로 진출할 수 있었습니다.

Link to this sectionAI를 활용한 비용 효율적인 자동 위협 감지의 필요성#

Videologic Analytics는 이전에 고객에게 제공하는 보안 카메라에 AI 모델을 통합한 경험이 있습니다. 초기 모델은 일반 차량, 사람, 소형 동물 등 제한된 범위의 객체 범주를 감지하도록 프로그래밍되었습니다. 이러한 기초적인 접근 방식은 고급 보안 시스템의 기반을 마련했지만, 특히 정밀도를 높이고 오탐률을 개선하는 등 더 발전할 여지가 있었습니다.

고객들은 더 다양한 객체와 시나리오에서 폭넓고 정확한 객체 감지 기능을 제공하는 더욱 포괄적인 솔루션을 원했습니다. 이러한 고객의 요구를 충족하기 위해 Videologic Analytics의 연구 개발팀은 향상된 AI 모델 개발을 시작했습니다.

모델을 개발하는 과정에서 Videologic Analytics는 기존 방식에 높은 비용과 긴 개발 시간과 같은 문제가 있다는 점을 빠르게 파악했습니다. 회사는 더 유연하고 효율적인 접근 방식이 필요함을 깨달았습니다. 이 새로운 접근 방식은 이러한 문제를 해결하고 고객의 변화하는 보안 요구를 더 잘 충족해야 했습니다.

특히, Vision AI 솔루션의 안정성을 높이고 고객 만족도를 향상시킬 수 있는 컴퓨터 비전 모델을 식별하고자 했습니다. 또한 모델이 비용 효율적이면서도 미래의 요구 사항에 적응할 수 있어야 하는 것이 필수적이었습니다.

Link to this sectionAI 기반 이상 징후 감지를 통한 감시 체계 재정의#

여러 AI 모델을 테스트한 결과, Videologic Analytics는 Ultralytics YOLO 모델이 필요한 유연성과 성능을 제공한다는 사실을 발견했습니다. 이들은 다양한 일반 객체를 포함하는 COCO 데이터셋을 사용하여 개발된 사전 학습된 YOLO 모델부터 시작했습니다. 사전 학습된 모델은 이미 많은 기본 항목을 인식할 수 있어 특정 보안 요구에 맞게 조정하기가 더 쉬웠으며, 이는 강력한 토대가 되었습니다.

예를 들어, Videologic Analytics는 태양광 발전 단지 모니터링과 같은 애플리케이션을 위해 자체 데이터를 사용하여 이러한 사전 학습된 모델을 파인튜닝했습니다.

이 시나리오에서 모델은 AI 기반 이상 징후 감지에 사용되어, 무단 침입자나 차량과 같은 실제 위협과 작은 동물 또는 바람에 날리는 파편과 같은 무해한 요소를 구분했습니다. 이러한 명확한 구별은 오경보를 줄이고 전반적인 보안 성능을 개선하는 데 필수적이었습니다.

태양광 발전 단지 모니터링 외에도, 이들은 YOLO를 사용하여 산업 및 주거용 보안 솔루션을 개발했으며, 소매 및 비즈니스 인텔리전스 분야의 컴퓨터 비전 혁신을 위한 개념 증명 모듈도 개발했습니다. 주로 객체 감지를 사용하지만, 자세 추정 및 객체 추적과 같이 YOLO에서 지원하는 컴퓨터 비전 작업도 활용하고 있습니다.

그림 1. Videologic Analytics가 태양광 발전소를 모니터링하기 위해 Ultralytics YOLO 모델을 사용하고 있습니다.

Link to this section왜 Ultralytics YOLO 모델인가?#

Videologic Analytics가 Ultralytics YOLO 모델을 선택한 이유는 빠르고 정확한 추론을 제공하면서 수많은 카메라 채널을 지원할 수 있는 강력한 솔루션이 필요했기 때문입니다.

YOLO는 다양한 내보내기 형식을 지원하며 CUDA, TensorRT, ONNX, OpenVINO와 같은 프레임워크와 원활하게 통합됩니다. 이러한 유연성 덕분에 Videologic Analytics는 PyTorch를 사용하여 모델을 파인튜닝하고 프로덕션 환경에 효율적으로 배포할 수 있습니다. 하드웨어별 최적화를 통해 YOLO는 이전 모델보다 실시간 비디오 분석의 까다로운 요구 사항을 더 잘 충족합니다.

Link to this section지능형 비디오 모니터링을 위한 간소화된 모델 배포#

Ultralytics YOLO 모델을 통합한 이후, Videologic Analytics는 성능과 효율성 모두에서 인상적인 개선을 경험했습니다. 새로운 Vision AI 솔루션은 태양광 발전 단지와 산업 현장부터 주거 단지에 이르기까지 다양한 시설에서 빠르고 실시간으로 위협을 감지할 수 있게 되었습니다.

실제로 Videologic Analytics는 매년 약 10,000개의 라이선스를 배포하고 있으며, 각 라이선스는 전용 카메라 채널에 해당하며 현재 모든 라이선스가 Ultralytics YOLO 모델을 지원하도록 업그레이드되었습니다. YOLO로의 전환은 오경보의 상당한 감소와 전반적인 감지 정확도 향상으로 이어졌습니다. 그 결과 고객은 더 신뢰할 수 있는 보안 시스템을 이용하게 되었으며 운영 비용도 절감되었습니다.

또한 Ultralytics YOLO 모델의 빠른 추론 속도와 확장성으로 새로운 AI 기능의 시장 출시 기간이 단축되었습니다. 이를 통해 Videologic Analytics는 핵심 보안 제품군을 강화하고 소매 및 비즈니스 인텔리전스와 같은 새로운 분야에서 기회를 탐색할 수 있게 되었습니다. 전반적으로 Ultralytics YOLO 모델의 도입은 회사의 즉각적인 운영 개선과 장기적인 성장 전망을 모두 견인했습니다.

그림 2. 도시 환경을 모니터링하기 위해 Ultralytics YOLO 모델을 사용하는 Videologic Analytics.

Link to this section안전과 보안을 위한 스마트 비디오 분석: 앞으로의 과제#

Videologic Analytics는 기본적인 침입 감지를 넘어 Ultralytics YOLO 모델을 활용하여 솔루션을 확장하는 데 힘쓰고 있습니다. 다음 단계는 행동 분석, 트렌드 추적, 예측 지능과 같은 고급 분석을 통해 더 풍부하고 실행 가능한 인사이트를 제공하는 것입니다.

이러한 개선 사항은 고객이 보안 운영을 최적화하고 소매 및 비즈니스 인텔리전스 분야에서 새로운 가능성을 열어주며, 실시간 비디오 분석의 지속적인 혁신과 성장을 촉진할 것입니다.

컴퓨터 비전이 어떻게 비즈니스를 재편할 수 있는지 궁금하신가요? 당사의 GitHub 저장소를 탐색하여 Ultralytics의 AI 솔루션이 자율 주행 자동차의 AI 및 농업 분야의 컴퓨터 비전과 같은 혁신을 어떻게 변화시키고 있는지 확인해 보십시오. 당사의 YOLO 모델과 라이선스 옵션에 대해 자세히 알아보고 오늘 더 스마트하고 효율적인 자동화를 향한 여정을 시작하십시오.