개체 추적

객체 추적은 일련의 비디오 프레임에서 하나 이상의 움직이는 객체를 식별하고 추적하는 컴퓨터 비전(CV) 의 기본 작업입니다. 단일 이미지에서 객체를 찾는 객체 감지와 달리 객체 추적은 각 객체에 고유 ID를 할당하고 객체가 움직이거나 모양이 바뀌거나 일시적으로 가려질 때 객체의 신원을 유지함으로써 시간적 차원을 추가합니다. 이 기능을 사용하면 시간에 따른 객체 동작, 상호 작용 및 이동 패턴을 더 깊이 이해할 수 있으므로 많은 동적 비디오 분석 애플리케이션의 초석이 됩니다.

객체 추적 작동 방식

객체 추적 프로세스는 일반적으로 객체 감지 모델을 사용하여 동영상의 첫 번째 프레임에서 객체를 식별하고 위치를 파악하는 것으로 시작됩니다. 감지된 각 객체에는 고유한 추적 ID가 할당됩니다. 이후 프레임에서 추적 알고리즘은 이러한 객체의 새로운 위치를 예측하고 새로 감지된 객체와 일치시키려고 시도합니다. 이 프로세스에는 다양한 기술이 사용됩니다:

• 모션 예측: 칼만 필터(KF) 와 같은 알고리즘은 물체의 과거 상태(위치, 속도)를 기반으로 물체의 미래 위치를 추정하는 데 사용됩니다. 이를 통해 다음 프레임에서 물체의 검색 영역을 좁힐 수 있습니다.
• 외관 일치: 색상 히스토그램이나 딥러닝 기반 임베딩과 같이 객체에서 고유한 특징을 추출하는 것입니다. 이러한 특징은 오클루전이나 외관이 크게 변경된 후에도 객체를 다시 식별하는 데 도움이 되는 고유한 시그니처를 생성합니다.
• 데이터 연결: 기존 트랙과 새로운 탐지를 일치시키는 중요한 단계입니다. 헝가리 알고리즘과 같은 알고리즘이나 바이트 트랙 및 BoT-SORT와 같은 고급 방법은 개체가 많은 복잡한 시나리오에서도 이 연결을 처리합니다.

객체 추적과 객체 감지

물체 추적과 물체 감지는 서로 밀접한 관련이 있지만 서로 다른 용도로 사용됩니다.

• 물체 감지: 단일 이미지 또는 비디오 프레임 내에서 객체를 식별하고 분류하는 프로세스입니다. 출력은 각 객체에 대한 경계 상자, 클래스 레이블 및 신뢰도 점수의 집합입니다. "이 프레임에 어떤 객체가 있는가?"라는 질문에 답합니다.
• 객체 추적: 객체 감지를 기반으로 합니다. 각 프레임에서 감지된 정보를 가져와 전체 비디오 시퀀스에 연결하여 각 객체에 영구 ID를 할당합니다. "이 특정 객체가 어디로 가는가?"라는 질문에 답합니다.

기본적으로 객체 감지는 스냅샷을 찍는 것으로 생각할 수 있으며, 객체 추적은 비디오에서 각 객체의 여정에 대한 연속적인 스토리를 생성합니다. Ultralytics YOLO 모델은 이 두 가지를 원활하게 통합하여 사용자가 높은 효율성과 정확도로 다중 객체 추적을 수행할 수 있도록 지원합니다.

실제 애플리케이션

객체 추적은 다양한 산업 분야에 걸쳐 수많은 응용 분야를 가진 혁신적인 기술입니다.

• 스마트 감시 및 보안: 보안 분야에서 객체 추적은 사람과 차량을 실시간으로 모니터링하는 데 사용됩니다. 제한 구역에 들어오는 사람을 자동으로 추적하거나, 주차장에서 의심스러운 차량을 추적하거나, 건물에 출입하는 사람의 수를 계산하도록 시스템을 구성할 수 있습니다. 이를 통해 사람의 지속적인 감독 없이도 자동화된 경보 및 포렌식 분석을 수행할 수 있습니다. 예를 들어, 근무 시간 이후에 미리 정의된 구역으로 이동하는 사람이 추적되면 보안 경보 시스템이 트리거되도록 구축할 수 있습니다.
• 자율주행 차량: 자율주행차의 경우 다른 차량, 보행자, 자전거를 추적하는 것은 안전한 주행을 위해 매우 중요합니다. 차량은 주변 물체를 추적함으로써 물체의 궤적을 예측하고, 보행자의 의도(예: 길을 건너려는 보행자)를 파악하고, 충돌을 피하기 위해 정보에 입각한 결정을 내릴 수 있습니다. 이러한 지속적인 추적은 단일 프레임 감지보다 훨씬 더 풍부한 환경 이해를 제공합니다.
• 스포츠 분석: 코치와 분석가는 객체 추적을 사용하여 경기장에서 선수의 움직임을 모니터링합니다. 각 선수를 추적하여 포메이션을 분석하고, 이동 거리와 속도와 같은 성능 지표를 측정하고, 더 나은 게임 전략을 개발할 수 있습니다. 이를 포즈 추정과 결합하여 선수의 기술을 자세히 분석할 수 있습니다.
• 리테일 분석: 소매업체는 추적 기능을 사용하여 매장 내 고객 행동을 이해합니다. 유동인구 패턴, 여러 통로에서의 체류 시간, 제품과의 상호작용을 분석하여 매장 레이아웃을 최적화하고 고객 경험을 개선할 수 있습니다. 또한 대기열 관리를 통해 계산대 대기 시간을 단축하는 데에도 사용할 수 있습니다.

도구 및 구현

최신 도구와 프레임워크를 사용하면 강력한 객체 추적 솔루션을 구현하는 것이 그 어느 때보다 쉬워졌습니다.

• 라이브러리 및 프레임워크: OpenCV와 같은 라이브러리는 동영상 처리를 위한 기본 도구를 제공하며 몇 가지 고전적인 추적 알고리즘을 포함합니다. 추적의 근간이 되는 강력한 탐지 모델을 구축하기 위해 PyTorch 및 TensorFlow와 같은 최신 딥 러닝 프레임워크가 사용됩니다.
• Ultralytics YOLO 모델: Ultralytics는 고성능 트래킹 구현을 간소화합니다. YOLO11과 같은 모델에는 간단한 명령으로 활성화할 수 있는 고도로 최적화된 추적 기능이 내장되어 있습니다. 이러한 통합을 통해 개발자는 오브젝트, 인스턴스 세분화, 포즈 추적과 같은 작업에 최첨단 탐지 기능을 활용할 수 있습니다. YOLO11 오브젝트 트래킹 가이드를 따라 빠르게 시작할 수 있습니다.
• 엔드투엔드 플랫폼: 데이터 주석에서 모델 배포에 이르는 전체 머신 러닝 수명 주기를 관리하기 위해, Ultralytics HUB와 같은 플랫폼은 포괄적인 도구 모음을 제공합니다. 이를 통해 사용자 지정 모델을 학습하고 프로덕션 환경에 배포하는 프로세스를 간소화할 수 있습니다.