Ultralytics YOLO27:

Ultralytics YOLO26을 사용한 대기열 관리#

큐 관리란 무엇인가요?#

Open Queue Management In Colab

Ultralytics YOLO26을 사용한 큐 관리는 대기 시간을 줄이고 효율성을 높이기 위해 사람이나 차량의 줄을 정리하고 관리하는 작업입니다. 소매점, 은행, 공항, 의료 시설 등 다양한 환경에서 고객 만족도와 시스템 성능을 향상하도록 큐를 최적화하는 것을 의미합니다.



Watch: How to Build a Queue Management System with Ultralytics YOLO26 | Real-Time Queue Analytics 🚀

큐 관리의 장점#

  • 대기 시간 단축: 큐 관리 시스템은 큐를 효율적으로 정리하여 고객의 대기 시간을 최소화합니다. 이를 통해 고객은 기다리는 시간은 줄이고 제품이나 서비스 이용 시간은 늘릴 수 있어 만족도가 향상됩니다.
  • 효율성 향상: 큐 관리를 도입하면 기업이 리소스를 더욱 효과적으로 배분할 수 있습니다. 큐 데이터를 분석하고 직원 배치를 최적화하여 운영을 간소화하고 비용을 절감하며 전반적인 생산성을 향상할 수 있습니다.
  • 실시간 인사이트: YOLO26 기반 큐 관리는 큐 길이와 대기 시간에 대한 데이터를 즉시 제공하여 관리자가 신속하게 정보에 기반한 의사 결정을 내릴 수 있도록 합니다.
  • 고객 경험 향상: 기업은 긴 대기와 관련된 불편을 줄여 고객 만족도와 충성도를 크게 향상할 수 있습니다.

실제 적용 사례#

물류리테일
Ultralytics YOLO26을 사용한 공항 매표소 큐 관리Ultralytics YOLO26을 사용한 군중 속 큐 모니터링
Ultralytics YOLO26을 사용한 공항 매표소 큐 관리Ultralytics YOLO26을 사용한 군중 속 큐 모니터링

YOLO26으로 큐 관리하기#

QueueManager 솔루션은 각 프레임에서 정의된 영역 안에 남아 있는 객체를 카운트하여 출력 비디오에 기록할 수 있는 실시간 큐 길이를 제공합니다. 대기 영역을 포함하는 다각형 영역을 전달한 다음 Python API 또는 CLI를 사용하여 비디오 소스에서 실행합니다.

Ultralytics YOLO를 사용한 큐 관리
# Run a queue example
yolo solutions queue show=True

# Pass a source video
yolo solutions queue source="path/to/video.mp4"

# Pass queue coordinates
yolo solutions queue region="[(20, 400), (1080, 400), (1080, 360), (20, 360)]"

QueueManager 인수#

다음은 QueueManager 인수 표입니다.

인수유형기본값설명
modelstrNoneUltralytics YOLO 모델 파일의 경로입니다.
regionlist 또는 dictNone관심 영역을 정의하는 점으로, (x, y) 튜플 목록 또는 여러 영역에 대해 영역 이름을 점 목록에 매핑하는 딕셔너리(RegionCounter만 해당)입니다. None인 경우 영역이 필요한 솔루션은 사전 정의된 기본값으로 대체됩니다.
line_widthint2솔루션이 그리는 박스, 키포인트 및 카운트의 선 두께입니다.
verboseboolTrue입력 형태, 클래스별 개수 및 처리 속도의 프레임별 로그를 활성화합니다. 추적 호출 자체는 항상 로그를 출력하지 않습니다.

QueueManager 솔루션은 track 인자도 지원합니다:

인수유형기본값설명
trackerstr'botsort.yaml'사용할 추적 알고리즘을 지정합니다. 기본 제공 옵션: botsort.yaml, bytetrack.yaml, ocsort.yaml, deepocsort.yaml, fasttrack.yaml, tracktrack.yaml입니다.
conffloat0.25검출 결과의 신뢰도 임계값을 설정합니다. 값이 낮을수록 더 많은 객체를 추적할 수 있지만 오탐이 포함될 수 있습니다.
ioufloat0.7겹치는 검출 결과를 필터링하기 위한 교집합 대비 합집합 (IoU) 임계값을 설정합니다.
classeslistNone클래스 인덱스로 결과를 필터링합니다. 예를 들어 classes=[0, 2, 3]은 지정된 클래스만 추적합니다.
devicestrNone추론에 사용할 장치를 지정합니다(예: cpu, cuda:0 또는 0). 사용자는 CPU, 특정 GPU 또는 기타 컴퓨팅 장치 중에서 모델 실행 장치를 선택할 수 있습니다.
imgszint or tuple640목표 추론 이미지 크기: 정사각형의 경우 정수 또는 (height, width) 쌍입니다. 형태는 모델 스트라이드에 맞게 조정됩니다.
max_detint300추적 전 프레임당 유지되는 최대 검출 수로, 솔루션이 밀집된 장면에서 처리하는 객체를 제한합니다.
quantizeint or strNone추론 정밀도: PyTorch 및 TorchScript 모델의 경우 16(FP16) 또는 32/설정 안 함(FP32); 기타 형식은 아티팩트와 런타임이 선택하는 정밀도로 계산됩니다. 더 이상 사용되지 않는 half 플래그를 대체합니다.

또한 다음 시각화 매개변수를 사용할 수 있습니다:

인수유형기본값설명
showboolFalseTrue인 경우 annotation이 추가된 이미지 또는 비디오를 window에 표시합니다. 개발 또는 테스트 중 즉각적인 시각적 피드백을 제공하는 데 유용합니다.
show_confboolTrue각 detection의 confidence score를 label과 함께 표시합니다. 각 detection에 대한 모델의 확신 정도를 파악할 수 있습니다.
show_labelsboolTruevisual output에 각 detection의 label을 표시합니다. 검출된 객체를 즉시 파악할 수 있습니다.

구현 전략#

YOLO26으로 큐 관리를 구현할 때는 다음 모범 사례를 고려하세요:

  1. 전략적인 카메라 배치: 장애물 없이 전체 큐 영역을 촬영할 수 있도록 카메라를 배치합니다.
  2. 적절한 큐 영역 정의: 공간의 물리적 배치를 기준으로 큐 경계를 신중하게 설정합니다.
  3. 검출 신뢰도 조정: 조명 조건과 군중 밀도에 따라 신뢰도 임계값을 세밀하게 조정합니다.
  4. 기존 시스템과 통합: 자동 응답을 위해 큐 관리 솔루션을 디지털 사이니지 또는 직원 알림 시스템에 연결합니다.

FAQ#

  • 실시간 큐 관리에 Ultralytics YOLO26을 사용하려면 다음 단계를 따르세요:

    1. YOLO("yolo26n.pt")을 사용하여 YOLO26 모델을 로드합니다.
    2. cv2.VideoCapture을 사용하여 비디오 피드를 캡처합니다.
    3. 큐 관리를 위한 관심 영역(ROI)을 정의합니다.
    4. 프레임을 처리하여 객체를 검출하고 큐를 관리합니다.

    다음은 최소 예제입니다:

    import cv2
    
    from ultralytics import solutions
    
    cap = cv2.VideoCapture("path/to/video.mp4")
    queue_region = [(20, 400), (1080, 400), (1080, 360), (20, 360)]
    
    queuemanager = solutions.QueueManager(
        model="yolo26n.pt",
        region=queue_region,
        line_width=3,
        show=True,
    )
    
    while cap.isOpened():
        success, im0 = cap.read()
        if success:
            results = queuemanager(im0)
    
    cap.release()
    cv2.destroyAllWindows()

    Ultralytics Platform을 활용하면 큐 관리 솔루션을 배포하고 관리하기 위한 사용자 친화적인 플랫폼을 제공하여 이 프로세스를 간소화할 수 있습니다.

  • 큐 관리에 Ultralytics YOLO26을 사용하면 다음과 같은 여러 이점이 있습니다:

    • 대기 시간 대폭 단축: 큐를 효율적으로 정리하여 고객의 대기 시간을 줄이고 만족도를 높입니다.
    • 효율성 향상: 큐 데이터를 분석하여 직원 배치와 운영을 최적화하고 그에 따라 비용을 절감합니다.
    • 실시간 알림: 긴 큐에 대한 실시간 알림을 제공하여 신속하게 대응할 수 있도록 합니다.
    • 확장성: 소매점, 공항, 의료 시설 등 다양한 환경으로 쉽게 확장할 수 있습니다.

    자세한 내용은 큐 관리 솔루션을 살펴보세요.

  • Ultralytics YOLO26은 큐 관리에서 TensorFlow 및 Detectron2에 비해 다음과 같은 여러 장점이 있습니다:

    • 실시간 성능: YOLO26은 실시간 검출 기능으로 잘 알려져 있으며 더 빠른 처리 속도를 제공합니다.
    • 사용 편의성: Ultralytics는 Ultralytics Platform을 통해 학습부터 배포까지 사용자 친화적인 경험을 제공합니다.
    • 사전 학습 모델: 다양한 사전 학습 모델에 액세스할 수 있어 설정에 필요한 시간을 최소화합니다.
    • 커뮤니티 지원: 광범위한 문서와 활발한 커뮤니티 지원으로 문제를 더욱 쉽게 해결할 수 있습니다.

    Ultralytics YOLO을 시작하는 방법을 알아보세요.

  • 예, Ultralytics YOLO26은 공항과 소매점 환경을 비롯한 다양한 유형의 큐를 관리할 수 있습니다. QueueManager를 특정 영역과 설정으로 구성하면 YOLO26이 다양한 큐 레이아웃과 밀도에 맞게 조정될 수 있습니다.

    공항의 예:

    queue_region_airport = [(50, 600), (1200, 600), (1200, 550), (50, 550)]
    queue_airport = solutions.QueueManager(
        model="yolo26n.pt",
        region=queue_region_airport,
        line_width=3,
    )

    다양한 애플리케이션에 대한 자세한 내용은 실제 애플리케이션 섹션을 확인하세요.

  • Ultralytics YOLO26은 큐 관리를 위해 다음과 같은 다양한 실제 애플리케이션에 사용됩니다:

    • 소매점: 계산대 줄을 모니터링하여 대기 시간을 줄이고 고객 만족도를 향상합니다.
    • 공항: 매표소와 보안 검색대의 큐를 관리하여 승객 경험을 개선합니다.
    • 의료: 병원과 클리닉에서 환자 흐름을 최적화합니다.
    • 은행: 은행에서 큐를 효율적으로 관리하여 고객 서비스를 향상합니다.

    컴퓨터 비전이 다양한 산업에서 큐 모니터링을 어떻게 혁신하고 있는지 자세히 알아보려면 실제 큐 관리에 관한 블로그를 확인하세요.

댓글