독점 데이터로 fine-tuning하고 여러 export format에 맞게 최적화한 Ultralytics YOLO 모델을 통합함으로써 Videologic Analytics는 비용과 출시 기간을 단축할 수 있었습니다.
Videologic Analytics는 산업 시설, 태양광 발전소 및 주거 단지의 보안과 감시를 강화하는 첨단 비디오 분석 솔루션을 개발하는 스페인 기반 기업입니다. 이 기업은 보안 카메라와 통합되는 AI 기반 솔루션을 배포하여 경계를 모니터링하고 침입을 실시간으로 감지합니다.
기존 모델의 높은 비용과 느린 배포 문제에 직면한 Videologic Analytics는 Ultralytics YOLO 모델을 통합하여 감지 정확도를 높이고 개발 비용과 출시 기간을 줄였으며, 소매 및 비즈니스 인텔리전스와 같은 새로운 분야로 확장했습니다.
AI 카메라로 보안을 위한 컴퓨터 비전 구현#
30년 이상의 경력을 보유한 전문가들이 이끄는 Videologic Analytics는 실시간 모니터링과 자동화된 위협 감지를 위해 AI와 컴퓨터 비전을 보안 카메라에 통합하는 일을 전문으로 합니다. 이 기업의 솔루션은 안정적인 성능으로 대규모 시설, 재생 에너지 설비 및 주거 지역을 보호합니다.
Videologic Analytics는 Prosegur, Securitas, Sabico와 스페인의 4,000개 이상의 인증 보안 기업 등 유명 고객에게 서비스를 제공합니다. 비용과 시간이 많이 소요되는 AI 모델 개발 및 배포 문제에 직면한 이 기업은 혁신적인 Vision AI 솔루션에 Ultralytics YOLO 모델을 도입했습니다. 이를 통해 보안 애플리케이션을 향상하는 동시에 새로운 업종으로 확장할 수 있었습니다.
AI를 활용한 비용 효율적인 자동 위협 감지의 필요성#
Videologic Analytics는 이전에 고객에게 제공하는 보안 카메라에 AI 모델을 통합했습니다. 초기 모델은 일반 차량, 사람 및 소형 동물을 비롯한 제한된 범위의 객체 카테고리를 감지하도록 프로그래밍되었습니다. 이러한 기반 접근 방식은 고급 보안 시스템의 토대를 마련했지만, 정밀도와 오탐률을 특히 개선하는 등 추가적인 refinement의 여지도 남겼습니다.
고객들은 더 다양한 객체와 시나리오에서 폭넓고 정확한 객체 감지 기능을 제공할 수 있는 더욱 종합적인 솔루션을 원했습니다. 이러한 고객 요구를 충족하기 위해 Videologic Analytics의 연구 개발팀은 향상된 AI 모델 개발에 착수했습니다.
이러한 모델을 개발하는 과정에서 Videologic Analytics는 기존 접근 방식에 높은 비용과 긴 개발 기간 등의 문제가 있다는 사실을 빠르게 발견했습니다. 이 기업은 더욱 유연하고 효율적인 접근 방식이 필요하다는 점을 깨달았습니다. 새로운 접근 방식은 이러한 문제를 해결하고 변화하는 고객의 보안 요구를 더욱 효과적으로 충족해야 했습니다.
구체적으로 이 기업은 Vision AI 솔루션의 안정성을 높이고 고객 만족도를 향상할 수 있는 컴퓨터 비전 모델을 찾고자 했습니다. 또한 해당 모델이 비용 효율적이면서 향후 요구에도 유연하게 대응할 수 있어야 했습니다.
AI 기반 이상 감지로 감시를 재정의하다#
여러 AI 모델을 테스트한 후 Videologic Analytics는 Ultralytics YOLO 모델이 필요한 유연성과 성능을 제공한다는 사실을 확인했습니다. 이 기업은 다양한 일반 객체를 포함하는 COCO 데이터셋으로 개발된 사전 학습 YOLO 모델부터 시작했습니다. 이 사전 학습은 강력한 기반을 제공했습니다. 모델이 이미 많은 기본 객체를 인식할 수 있었기 때문에 특정 보안 요구에 맞게 조정하기가 더 쉬웠습니다.
예를 들어 Videologic Analytics는 태양광 발전소 모니터링과 같은 애플리케이션에 활용하기 위해 자체 독점 데이터를 사용하여 이러한 사전 학습 모델을 fine-tuning했습니다.
이 시나리오에서 모델은 AI 기반 이상 감지에 사용되어 무단 인원이나 차량과 같은 실제 위협과 소형 동물이나 바람에 날리는 잔해와 같은 무해한 요소를 구별했습니다. 이러한 명확한 구분은 오경보를 줄이고 전반적인 보안 성능을 개선하는 데 필수적이었습니다.
태양광 발전소 모니터링과 함께 이 기업은 YOLO를 사용하여 산업 및 주거 보안 솔루션을 모두 개발했으며, 소매 및 비즈니스 인텔리전스 분야의 컴퓨터 비전 혁신을 위한 개념 증명 모듈도 개발했습니다. 주로 객체 감지를 사용하지만, pose estimation 및 object tracking과 같이 YOLO가 지원하는 컴퓨터 비전 task도 활용합니다.
그림 1. Videologic Analytics는 Ultralytics YOLO 모델을 사용하여 태양광 발전소를 모니터링합니다.
Ultralytics YOLO 모델을 선택한 이유#
Videologic Analytics는 다수의 카메라 채널을 지원하면서도 빠르고 정확한 inference를 제공할 수 있는 강력한 솔루션이 필요했기 때문에 Ultralytics YOLO 모델을 선택했습니다.
YOLO는 다양한 export format을 지원하며 CUDA, TensorRT, ONNX 및 OpenVINO와 같은 framework와 원활하게 통합됩니다. 이러한 유연성 덕분에 Videologic Analytics는 PyTorch를 사용하여 모델을 fine-tuning하고 이를 production 환경에 효율적으로 배포할 수 있습니다. 하드웨어별 최적화를 통해 YOLO는 이전 모델보다 실시간 비디오 분석의 까다로운 요구를 더욱 효과적으로 충족합니다.
지능형 비디오 모니터링을 위한 간소화된 모델 배포#
Ultralytics YOLO 모델을 통합한 이후 Videologic Analytics는 성능과 효율성 모두에서 인상적인 개선을 확인했습니다. 새로운 Vision AI 솔루션을 통해 태양광 발전소와 산업 시설부터 주거 단지에 이르기까지 다양한 시설에서 위협을 신속하게 실시간으로 감지할 수 있게 되었습니다.
실제로 Videologic Analytics는 매년 약 10,000개의 라이선스를 배포하며, 각 라이선스는 전용 카메라 채널 하나에 해당합니다. 현재 모든 라이선스는 Ultralytics YOLO 모델을 지원하도록 업그레이드되었습니다. YOLO로 전환한 결과 오경보가 크게 줄었고 전반적인 감지 정확도가 향상되었습니다. 그 결과 고객은 더욱 안정적인 보안 시스템을 이용하게 되었으며 운영 비용도 감소했습니다.
또한 Ultralytics YOLO 모델의 더 빠른 inference 속도와 확장성은 새로운 AI 기능의 출시 기간을 단축했습니다. 이에 따라 Videologic Analytics는 핵심 보안 제품을 개선하고 소매 및 비즈니스 인텔리전스와 같은 업종에서 새로운 기회를 모색할 수 있게 되었습니다. 전반적으로 Ultralytics YOLO 모델의 도입은 이 기업에 즉각적인 운영 개선과 장기적인 성장 가능성을 모두 가져왔습니다.
그림 2. Videologic Analytics가 Ultralytics YOLO 모델을 사용하여 도시 환경을 모니터링하는 모습입니다.
안전과 보안을 위한 스마트 비디오 분석: 앞으로의 방향#
Videologic Analytics는 Ultralytics YOLO 모델을 활용하여 기본적인 침입 감지를 넘어 솔루션을 확장하기 위해 적극적으로 노력하고 있습니다. 다음 단계에서는 행동 분석, 추세 추적 및 예측 인텔리전스와 같은 고급 분석을 통해 더욱 풍부하고 실행 가능한 인사이트를 제공하는 것이 목표입니다.
이러한 개선을 통해 고객은 보안 운영을 최적화하고 소매 및 비즈니스 인텔리전스 분야에서 새로운 가능성을 실현할 수 있으며, 실시간 비디오 분석의 지속적인 혁신과 성장을 이끌 수 있습니다.
컴퓨터 비전이 비즈니스를 어떻게 혁신할 수 있는지 궁금하신가요? GitHub repository를 살펴보고 Ultralytics의 AI 솔루션이 자율주행차의 AI 및 농업 분야의 컴퓨터 비전과 같은 혁신을 어떻게 변화시키고 있는지 확인해 보세요. YOLO 모델과 라이선스 옵션에 대해 자세히 알아보고, 더욱 스마트하고 효율적인 자동화를 향한 여정을 지금 시작해 보세요.
