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

Videologic Analytics는 산업 현장, 태양광 발전소, 주거 단지의 보안과 감시를 강화하는 고급 영상 분석 솔루션을 개발하는 스페인 기반의 개발사입니다. 이들은 security cameras와 통합되는 AI 기반 솔루션을 배포하여 실시간으로 경계를 모니터링하고 침입을 감지합니다.

이전 모델의 높은 비용과 느린 배포 속도에 직면했던 이들은 Ultralytics YOLO models을 통합하여 감지 정확도를 높이고, 개발 비용 및 출시 소요 시간을 단축하며, 리테일 및 비즈니스 인텔리전스 같은 새로운 분야로 확장했습니다.

AI 카메라를 통한 보안용 컴퓨터 비전 구현#

3년 이상의 경력을 가진 전문가들이 이끄는 Videologic Analytics는 실시간 모니터링과 자동화된 위협 감지를 위해 보안 카메라에 AI와 computer vision을 통합하는 것을 전문으로 합니다. 이들의 솔루션은 안정적인 성능으로 대규모 시설, 신재생 에너지 설비, 주거 커뮤니티를 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.

AI를 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 광범위한 객체와 시나리오에서 더 넓고 정확한 object detection 기능을 제공할 수 있는 보다 포괄적인 솔루션을 찾고 있었습니다. 이러한 고객의 니즈를 충족하기 위해 Videologic Analytics의 연구 개발 팀은 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.

Vision AI solutions의 신뢰성을 높이고 고객 만족도를 향상시킬 수 있는 컴퓨터 비전 모델을 찾는 것이 구체적인 목표였습니다. 또한 모델이 비용 효율적이면서도 미래의 니즈에 적응할 수 있어야 하는 점도 필수적이었습니다.

AI 기반 이상 징후 감지를 통한 감시 체계 재정의#

여러 AI 모델을 테스트한 끝에 Videologic Analytics는 Ultralytics YOLO 모델이 필요한 유연성과 성능을 제공한다는 것을 발견했습니다. 이들은 다양한 일반 객체를 포함하는 COCO dataset을 사용하여 개발된 사전 학습된 YOLO 모델로 시작했습니다. 이 사전 학습은 모델이 이미 많은 기본 항목을 인식할 수 있어 특정 보안 니즈에 맞게 쉽게 적응할 수 있도록 강력한 기반을 제공했습니다.

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 발전소 모니터링과 더불어, 이들은 YOLO를 사용하여 산업용 및 주거용 보안 솔루션뿐만 아니라 리테일 및 비즈니스 인텔리전스 분야의 컴퓨터 비전 혁신을 위한 개념 증명 모듈도 개발했습니다. 주로 객체 검출을 사용하지만, 포즈 추정 및 객체 추적과 같이 YOLO가 지원하는 computer vision tasks도 활용합니다.

Fig 1. Videologic Analytics는 태양광 발전소를 모니터링하기 위해 Ultralytics YOLO 모델을 사용합니다.

왜 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 export formats을 지원하며 CUDA, TensorRT, ONNX, OpenVINO와 같은 프레임워크와 원활하게 통합됩니다. 이러한 유연성 덕분에 Videologic Analytics는 PyTorch를 사용하여 모델을 미세 조정하고 프로덕션에 효율적으로 배포할 수 있습니다. 하드웨어 전용 최적화를 통해 YOLO는 이전 모델보다 실시간 영상 분석의 까다로운 요구 사항을 더 잘 충족합니다.

지능형 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 연간 약 10,000개의 라이선스를 배포하며, 각 라이선스는 전용 카메라 채널에 해당하고 모든 라이선스는 이제 Ultralytics YOLO 모델을 지원하도록 업그레이드되었습니다. YOLO로의 전환은 오경보의 대폭적인 감소와 전반적인 감지 정확도 향상으로 이어졌습니다. 그 결과 고객은 더욱 신뢰할 수 있는 security systems을 누리게 되었고 운영 비용이 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.

안전과 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 비즈니스를 어떻게 변화시킬 수 있는지 궁금하십니까? GitHub repository를 탐색하여 Ultralytics의 AI 솔루션이 AI in self-driving cars 및 computer vision in agriculture와 같은 혁신을 어떻게 변모시키고 있는지 확인해 보세요. 당사의 YOLO 모델과 licensing options에 대해 자세히 알아보고, 오늘 더욱 스마트하고 효율적인 자동화를 향한 여정을 시작하세요.