보안 애플리케이션에 컴퓨터 비전이 어떻게 사용되나요?

Ultralytics YOLO 모델은 실시간 객체 탐지, 추적 및 분류를 통해 다양한 보안 애플리케이션을 지원합니다. 일반적인 사용 사례로는 개인 보호 장비(PPE) 및 작업장 안전 규정 준수, 사람 및 차량 탐지 및 추적, 경계 및 침입 모니터링, 출입 통제 및 번호판 인식, 군중 및 점유율 모니터링, 위협 및 금지 물품 탐지, 절도 또는 이상 징후 탐지 등이 있습니다. YOLO 모델은 사용자 지정 데이터셋으로 학습할 수 있으므로, 일반적인 범용 검출기로 배포되기보다는 공장 바닥, 주차장, 소매점 등 특정 환경에 맞게 미세 조정되는 경우가 많습니다. 대부분의 보안 팀은 단일의 명확한 탐지 작업부터 시작하여 요구 사항이 증가함에 따라 추적, 행동 규칙, 자동 알림을 결합한 더 넓은 플랫폼으로 확장합니다.

실시간 보안 카메라 모니터링에 YOLO를 사용할 수 있나요?

네. Ultralytics YOLO는 실시간 객체 탐지를 위해 제작되었으므로 라이브 CCTV 및 IP 카메라 모니터링에 매우 적합합니다. 영상을 클라우드로 전송할 필요 없이 엣지 디바이스, 온프레미스 서버 또는 기존 NVR/DVR 인프라에서 실행되며, 낮은 지연 시간으로 비디오 스트림 전반에서 사람, 차량, 객체를 감지할 수 있습니다. 이는 사후 검토가 아니라 침입, 무단 출입 또는 안전하지 않은 행동에 대한 즉각적인 경고가 필요한 보안 팀에게 일반적인 선택입니다.

YOLO 기반 침입 탐지와 기존 모션 센서의 차이점은 무엇인가요?

기존 모션 센서 및 라이트 커튼 시스템은 움직임을 감지하지만 사람, 차량, 동물, 이물질을 구별하지 못해 빈번한 오탐으로 이어집니다. YOLO 기반 경계 및 침입 탐지는 컴퓨터 비전을 사용하여 이벤트의 원인을 분류하고, 구역 기반 규칙을 적용하며, 방향 또는 배회 행동을 분석합니다. 이를 통해 오탐을 크게 줄이고 보안 팀이 단순한 움직임이 아니라 제한 구역 내 사람 침입 시에만 경고하는 등 더 정밀한 규칙을 설정할 수 있습니다.

상업용 보안 제품에 YOLO를 사용하려면 어떤 라이선스가 필요한가요?

Ultralytics YOLO는 AGPL-3.0 오픈소스 라이선스 또는 상업용 엔터프라이즈 라이선스로 제공됩니다. 판매, 라이선스 부여 또는 고객을 위해 운영하는 소프트웨어와 같은 상업용 보안 또는 감시 제품을 구축하고 애플리케이션을 오픈소스화하지 않으려는 경우, AGPL에 의존하는 대신 엔터프라이즈 라이선스가 필요합니다. 소프트웨어를 상업적으로 배포하거나 호스팅하는 경우 AGPL 의존성에 따라 전체 애플리케이션 소스 코드를 공유해야 할 수 있으므로, 이는 보안 공급업체들이 가장 자주 묻는 질문 중 하나입니다.

보안 분야의 컴퓨터 비전

경계 모니터링부터 절도 탐지까지, Ultralytics YOLO는 차세대 보안 인텔리전스를 구동합니다.

세계 최고의 조직들이 신뢰합니다

Ultralytics YOLO가 보안을 해결하는 방식

팀과 함께 작동하는 실시간 AI

보안 운영을 위해 제작된 Ultralytics YOLO는 이미 보유하고 있는 카메라, VMS, 서버에서 실행되는 정밀하고 빠르며 프로덕션 준비가 완료된 컴퓨터 비전을 위해 워크플로를 간소화합니다.

플러그앤플레이 배포: 기존 카메라 및 VMS와 작동하여 통합 시간을 며칠로 단축합니다.
탐지 정확도: 객체, 환경 및 동적인 장면 전반에서 최첨단 실시간 탐지를 제공합니다.
5ms 미만 추론: 20가지 내보내기 형식을 지원하며 엣지, 클라우드 또는 온프레미스에 배포할 수 있습니다.
몇 시간 만에 프로덕션 준비 완료: 주석 처리, 학습 및 배포를 통해 출시까지 걸리는 시간을 단축합니다.

라이선스 요청

보안 분야에서 입증된 결과

위협 탐지부터 출입 통제 및 작업장 안전에 이르기까지, 최근 연구는 Ultralytics YOLO가 보안 팀에 제공하는 가치를 보여줍니다.

위협 탐지95.4%

라이브 비디오에서 무기 포착

Ultralytics YOLO26은 감시 영상에서 95.4% mAP로 무기를 감지하며, 동일한 엣지 하드웨어에서 이전 YOLO 모델보다 초당 프레임 처리량이 두 배 이상 높습니다.

Fierro Silva et al., Frontiers in Computer Science, 2026

출입 통제 및 LPR89%

한 번에 번호판과 차량 판독

Ultralytics YOLO 파이프라인은 89% AP로 번호판을 감지하고 각 차량을 18~22 FPS로 번호판, 색상, 제조사 및 모델 기록으로 변환합니다.

Islas-Yañez et al., Sensors, 2026

작업장 안전7.3 ms

실시간으로 PPE 규정 준수 확인

Ultralytics YOLO11 안전 모니터는 동일한 데이터셋에서 이전 접근 방식의 프레임당 170ms에서 단축된 7.3ms의 속도로 96.9% mAP로 누락된 헬멧, 조끼, 안경을 플래그합니다.

Rahman et al., Computers, 2026

YOLO26 추론 사용해 보기

이미지를 끌어다 놓아 실시간 객체 감지를 확인하세요

입력 이미지

이미지를 업로드하거나 예시를 선택하여 테스트하세요 yolo26n. 예측 문서

라이브 데모

여기에 이미지를 놓으세요

또는 클릭하여 찾아보세요

JPEG, PNG, WebP, AVIF, HEIC, JP2, TIFF, BMP 등 지원 (최대 10MB)

또는 예시를 시도하세요

신뢰도

0.25

IoU

0.70

이미지 크기

640

API 문서

모델을 배포하여 API key 인증이 적용된 전용 추론 엔드포인트를 가져온 다음, 아래의 자리 표시자 URL과 key를 배포 값으로 교체하세요. 배포 문서

참고: 이 코드는 예시입니다. 먼저 모델을 배포하여 엔드포인트 URL과 API key를 가져오세요.

import requests

# Replace with your deployment URL and API key
url = "https://your-deployment-url.run.app/predict"
api_key = "YOUR_API_KEY"

# Optional inference parameters (conf, iou, imgsz)
args = {"conf": 0.25, "iou": 0.7, "imgsz": 640}

with open("image.jpg", "rb") as f:
    response = requests.post(
        url,
        headers={"Authorization": f"Bearer {api_key}"},
        data=args,
        files={"file": f},
    )

print(response.json())