Ultralytics YOLO11을 사용한 대기열 관리 🚀
대기열 관리란 무엇입니까?
Ultralytics YOLO11을 사용한 대기열 관리는 대기 시간을 줄이고 효율성을 높이기 위해 사람 또는 차량의 줄을 구성하고 제어하는 것을 포함합니다. 소매점, 은행, 공항 및 의료 시설과 같은 다양한 환경에서 고객 만족도와 시스템 성능을 향상시키기 위해 대기열을 최적화하는 것입니다.
참고: Ultralytics YOLO11을 사용하여 대기열 관리를 구현하는 방법 | 공항 및 지하철역
대기열 관리의 장점
- 대기 시간 단축: 대기열 관리 시스템은 대기열을 효율적으로 구성하여 고객의 대기 시간을 최소화합니다. 이를 통해 고객이 대기하는 시간을 줄이고 제품 또는 서비스에 더 많이 참여할 수 있으므로 만족도가 향상됩니다.
- 효율성 향상: 대기열 관리를 구현하면 기업이 리소스를 보다 효과적으로 할당할 수 있습니다. 대기열 데이터를 분석하고 직원 배치를 최적화함으로써 기업은 운영을 간소화하고 비용을 절감하며 전반적인 생산성을 향상시킬 수 있습니다.
- 실시간 인사이트: YOLO11 기반 대기열 관리는 대기열 길이와 대기 시간에 대한 즉각적인 데이터를 제공하여 관리자가 신속하게 정보에 입각한 결정을 내릴 수 있도록 지원합니다.
- 향상된 고객 경험: 긴 대기 시간과 관련된 불만을 줄임으로써 기업은 고객 만족도와 충성도를 크게 향상시킬 수 있습니다.
실제 응용 프로그램
물류 | 소매 |
---|---|
![]() |
![]() |
Ultralytics YOLO11을 사용하여 공항 매표소에서 대기열 관리 | Ultralytics YOLO11을 사용한 군중 속 대기열 모니터링 |
Ultralytics YOLO를 사용한 대기열 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)]"
import cv2
from ultralytics import solutions
cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"
# Video writer
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))
video_writer = cv2.VideoWriter("queue_management.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))
# Define queue points
queue_region = [(20, 400), (1080, 400), (1080, 360), (20, 360)] # region points
# queue_region = [(20, 400), (1080, 400), (1080, 360), (20, 360), (20, 400)] # polygon points
# Initialize queue manager object
queuemanager = solutions.QueueManager(
show=True, # display the output
model="yolo11n.pt", # path to the YOLO11 model file
region=queue_region, # pass queue region points
)
# Process video
while cap.isOpened():
success, im0 = cap.read()
if not success:
print("Video frame is empty or processing is complete.")
break
results = queuemanager(im0)
# print(results) # access the output
video_writer.write(results.plot_im) # write the processed frame.
cap.release()
video_writer.release()
cv2.destroyAllWindows() # destroy all opened windows
QueueManager
인수
다음은 테이블에 QueueManager
인수입니다.
인수 | 유형 | 기본값 | 설명 |
---|---|---|---|
model |
str |
None |
Ultralytics YOLO 모델 파일의 경로입니다. |
region |
list |
'[(20, 400), (1260, 400)]' |
계수 영역을 정의하는 점 목록입니다. |
에 지정되어 있습니다. QueueManagement
솔루션은 또한 일부를 지원합니다. track
인수입니다.
인수 | 유형 | 기본값 | 설명 |
---|---|---|---|
tracker |
str |
'botsort.yaml' |
사용할 추적 알고리즘을 지정합니다 (예: bytetrack.yaml 또는 botsort.yaml . |
conf |
float |
0.3 |
검출에 대한 신뢰도 임계값을 설정합니다. 값이 낮을수록 더 많은 객체를 추적할 수 있지만 오탐지가 포함될 수 있습니다. |
iou |
float |
0.5 |
겹치는 검출을 필터링하기 위한 IoU (Intersection over Union) 임계값을 설정합니다. |
classes |
list |
None |
클래스 인덱스별로 결과를 필터링합니다. 예를 들어, classes=[0, 2, 3] 지정된 클래스만 추적합니다. |
verbose |
bool |
True |
추적 결과 표시를 제어하여 추적된 객체의 시각적 출력을 제공합니다. |
device |
str |
None |
추론을 위한 장치를 지정합니다 (예: cpu , cuda:0 또는 0 ). 사용자는 모델 실행을 위해 CPU, 특정 GPU 또는 기타 컴퓨팅 장치 중에서 선택할 수 있습니다. |
또한 다음과 같은 시각화 파라미터를 사용할 수 있습니다.
인수 | 유형 | 기본값 | 설명 |
---|---|---|---|
show |
bool |
False |
만약 True , 어노테이션이 적용된 이미지나 비디오를 창에 표시합니다. 개발 또는 테스트 중 즉각적인 시각적 피드백에 유용합니다. |
line_width |
None or int |
None |
경계 상자의 선 너비를 지정합니다. 만약 None , 선 너비는 이미지 크기에 따라 자동으로 조정됩니다. 명확성을 위해 시각적 사용자 정의를 제공합니다. |
show_conf |
bool |
True |
레이블과 함께 각 감지에 대한 신뢰도 점수를 표시합니다. 각 감지에 대한 모델의 확신에 대한 통찰력을 제공합니다. |
show_labels |
bool |
True |
시각적 출력에서 각 감지에 대한 레이블을 표시합니다. 감지된 객체에 대한 즉각적인 이해를 제공합니다. |
구현 전략
YOLO11을 사용하여 대기열 관리를 구현할 때는 다음 모범 사례를 고려하십시오.
- 전략적 카메라 배치: 장애물 없이 전체 대기열 영역을 캡처하도록 카메라를 배치합니다.
- 적절한 대기열 영역 정의: 공간의 물리적 레이아웃을 기반으로 대기열 경계를 신중하게 설정하십시오.
- 감지 신뢰도 조정: 조명 조건 및 군중 밀도에 따라 신뢰도 임계값을 미세 조정합니다.
- 기존 시스템과 통합: 자동 응답을 위해 대기열 관리 솔루션을 디지털 사이니지 또는 직원 알림 시스템과 연결합니다.
FAQ
실시간 대기열 관리를 위해 Ultralytics YOLO11을 어떻게 사용합니까?
실시간 대기열 관리에 Ultralytics YOLO11을 사용하려면 다음 단계를 따르십시오.
- 다음을 사용하여 YOLO11 모델 로드
YOLO("yolo11n.pt")
. - 다음을 사용하여 비디오 피드를 캡처합니다.
cv2.VideoCapture
. - 대기열 관리를 위한 관심 영역(ROI)을 정의합니다.
- 객체를 감지하고 대기열을 관리하기 위해 프레임을 처리합니다.
다음은 최소한의 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="yolo11n.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 HUB를 활용하면 대기열 관리 솔루션을 배포하고 관리하기 위한 사용자 친화적인 플랫폼을 제공하여 이 프로세스를 간소화할 수 있습니다.
대기열 관리에 Ultralytics YOLO11을 사용하는 주요 이점은 무엇인가요?
대기열 관리를 위해 Ultralytics YOLO11을 사용하면 다음과 같은 여러 가지 이점이 있습니다.
- 대기 시간 단축: 대기열을 효율적으로 구성하여 고객 대기 시간을 줄이고 만족도를 높입니다.
- 효율성 향상: 대기열 데이터를 분석하여 직원 배치 및 운영을 최적화하여 비용을 절감합니다.
- 실시간 알림: 긴 대기열에 대한 실시간 알림을 제공하여 신속하게 개입할 수 있습니다.
- 확장성: 소매, 공항, 의료 등 다양한 환경에서 쉽게 확장할 수 있습니다.
자세한 내용은 Ultralytics의 대기열 관리 솔루션을 살펴보세요.
대기열 관리를 위해 TensorFlow 또는 Detectron2와 같은 경쟁사 대신 Ultralytics YOLO11을 선택해야 하는 이유는 무엇인가요?
Ultralytics YOLO11은 대기열 관리를 위해 TensorFlow 및 Detectron2보다 몇 가지 장점이 있습니다.
- 실시간 성능: YOLO11은 빠른 처리 속도를 제공하는 실시간 감지 기능으로 잘 알려져 있습니다.
- 사용 편의성: Ultralytics는 Ultralytics HUB를 통해 훈련에서 배포에 이르기까지 사용자 친화적인 경험을 제공합니다.
- 사전 훈련된 모델: 다양한 사전 훈련된 모델에 액세스하여 설정에 필요한 시간을 최소화합니다.
- 커뮤니티 지원: 광범위한 문서와 활발한 커뮤니티 지원으로 문제 해결이 더 쉬워집니다.
Ultralytics YOLO 시작하는 방법을 알아보세요.
Ultralytics YOLO11은 공항 및 소매점과 같은 여러 유형의 대기열을 처리할 수 있습니까?
예, Ultralytics YOLO11은 공항 및 소매 환경의 대기열을 포함하여 다양한 유형의 대기열을 관리할 수 있습니다. 특정 영역 및 설정으로 QueueManager를 구성하면 YOLO11은 다양한 대기열 레이아웃 및 밀도에 적응할 수 있습니다.
공항 예시:
queue_region_airport = [(50, 600), (1200, 600), (1200, 550), (50, 550)]
queue_airport = solutions.QueueManager(
model="yolo11n.pt",
region=queue_region_airport,
line_width=3,
)
다양한 애플리케이션에 대한 자세한 내용은 실제 애플리케이션 섹션을 확인하세요.
대기열 관리에서 Ultralytics YOLO11의 실제 응용 분야는 무엇입니까?
Ultralytics YOLO11은 대기열 관리를 위해 다양한 실제 응용 분야에서 사용됩니다.
- 소매: 대기 시간을 줄이고 고객 만족도를 높이기 위해 계산대 줄을 모니터링합니다.
- 공항: 더 원활한 승객 경험을 위해 발권 카운터 및 보안 검색대의 대기열을 관리합니다.
- 의료: 클리닉과 병원에서 환자 흐름을 최적화합니다.
- 은행: 은행에서 대기열을 효율적으로 관리하여 고객 서비스를 향상시킵니다.
컴퓨터 비전이 여러 산업 분야에서 대기열 모니터링을 어떻게 변화시키고 있는지 자세히 알아보려면 실제 대기열 관리 관련 블로그를 확인하십시오.