콘텐츠로 건너뛰기

Ultralytics YOLO11을 사용한 대기열 관리 🚀

대기열 관리란 무엇입니까?

Colab에서 대기열 관리 열기

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 사용한 공항 매표소의 대기열 관리 Ultralytics YOLO11을 사용하여 군중 속에서 대기열 모니터링
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.

  1. 전략적 카메라 배치: 장애물 없이 전체 대기열 영역을 캡처하도록 카메라를 배치합니다.
  2. 적절한 대기열 영역 정의: 공간의 물리적 레이아웃을 기반으로 대기열 경계를 신중하게 설정하십시오.
  3. 감지 신뢰도 조정: 조명 조건 및 군중 밀도에 따라 신뢰도 임계값을 미세 조정합니다.
  4. 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.

  1. 다음을 사용하여 YOLO11 모델 로드 YOLO("yolo11n.pt").
  2. 다음을 사용하여 비디오 피드를 캡처합니다. cv2.VideoCapture.
  3. 대기열 관리를 위한 관심 영역(ROI)을 정의합니다.
  4. 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.



📅 1년 전에 생성됨 ✏️ 26일 전에 업데이트됨

댓글