YOLO Vision 2026:

Ultralytics YOLO26을 이용한 대기열 관리 🚀#

대기열 관리란 무엇입니까?#

Open Queue Management In Colab

Ultralytics YOLO26을 이용한 대기열 관리는 대기 시간 단축과 효율성 향상을 위해 사람이나 차량의 줄을 조직하고 통제하는 것을 포함합니다. 이는 소매점, 은행, 공항, 의료 시설 등 다양한 환경에서 고객 만족도와 시스템 성능을 개선하기 위해 대기열을 최적화하는 것입니다.



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

대기열 관리의 이점#

  • 대기 시간 단축: 대기열 관리 시스템은 대기열을 효율적으로 조직하여 고객의 대기 시간을 최소화합니다. 고객이 기다리는 시간을 줄이고 제품이나 서비스에 더 많은 시간을 할애할 수 있게 되어 만족도가 향상됩니다.
  • 효율성 증대: 대기열 관리를 도입하면 기업은 자원을 보다 효과적으로 할당할 수 있습니다. 대기열 데이터를 분석하고 인력 배치를 최적화함으로써 운영을 간소화하고 비용을 절감하며 전반적인 생산성을 높일 수 있습니다.
  • 실시간 인사이트: YOLO26 기반의 대기열 관리는 대기열 길이와 대기 시간에 대한 즉각적인 데이터를 제공하여 관리자가 신속하게 정보에 입각한 결정을 내릴 수 있도록 돕습니다.
  • 향상된 고객 경험: 긴 대기 시간으로 인한 불만을 줄임으로써 기업은 고객 만족도와 충성도를 크게 높일 수 있습니다.

실제 세계에서의 활용 사례#

물류소매
Queue management at airport ticket counter using Ultralytics YOLO26Queue monitoring in crowd using Ultralytics YOLO26
Ultralytics YOLO26을 사용한 공항 매표소의 대기열 관리Ultralytics YOLO26을 사용한 군중 내 대기열 모니터링

YOLO26으로 대기열 관리하기#

QueueManager 솔루션은 각 프레임마다 정의된 영역 내에 남아 있는 객체를 카운트하여, 출력 영상에 기록할 수 있는 실시간 대기열 길이를 제공합니다. 대기 영역을 덮는 폴리곤 영역을 전달한 다음, Python API 또는 CLI를 사용하여 비디오 소스에서 실행합니다.

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)]"

QueueManager 인수#

다음은 QueueManager 인수가 포함된 표입니다:

인수유형기본값설명
modelstrNoneUltralytics YOLO 모델 파일 경로입니다.
regionlist 또는 dictNone관심 영역을 정의하는 포인트((x, y) 튜플 목록 또는 여러 영역에 대해 영역 이름을 포인트 목록에 매핑하는 사전(RegionCounter 전용)). None일 때, 영역이 필요한 솔루션은 미리 정의된 기본값으로 대체됩니다.
line_widthint2솔루션이 그리는 상자, 키포인트 및 카운트의 선 두께입니다.
verboseboolTrue입력 형태, 클래스 카운트 및 처리 속도에 대한 솔루션의 프레임별 로그를 활성화합니다. 트래킹 호출 자체는 항상 침묵 상태를 유지합니다.

QueueManagement 솔루션은 일부 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.yaml.
conffloat0.25탐지에 대한 신뢰도 임계값을 설정합니다. 값이 낮을수록 더 많은 객체가 추적되지만 잘못된 긍정 탐지(false positives)가 포함될 수 있습니다.
ioufloat0.7겹치는 감지를 필터링하기 위한 Intersection over Union (IoU) 임계값을 설정합니다.
classeslistNone클래스 인덱스로 결과를 필터링합니다. 예를 들어 classes=[0, 2, 3]은 지정된 클래스만 추적합니다.
devicestrNone추론용 장치를 지정합니다(예: cpu, cuda:0 또는 0). 사용자가 모델 실행을 위해 CPU, 특정 GPU 또는 기타 컴퓨팅 장치 중에서 선택할 수 있도록 합니다.

또한, 다음과 같은 시각화 매개변수를 사용할 수 있습니다:

인수유형기본값설명
showboolFalseTrue인 경우, 주석이 달린 이미지나 비디오를 창에 표시합니다. 개발 또는 테스트 중 즉각적인 시각적 피드백에 유용합니다.
show_confboolTrue각 탐지에 대한 신뢰도 점수를 레이블과 함께 표시합니다. 각 탐지에 대한 모델의 확신도를 파악할 수 있습니다.
show_labelsboolTrue시각적 출력에서 각 탐지에 대한 레이블을 표시합니다. 탐지된 객체를 즉시 이해할 수 있도록 합니다.

구현 전략#

YOLO26으로 대기열 관리를 구현할 때는 다음 모범 사례를 고려하십시오:

  1. 전략적 카메라 배치: 장애물 없이 전체 대기열 영역을 포착할 수 있는 위치에 카메라를 설치하십시오.
  2. 적절한 대기열 영역 정의: 공간의 물리적 레이아웃에 기반하여 대기열 경계를 신중하게 설정하십시오.
  3. 탐지 신뢰도 조정: 조명 조건과 군중 밀도에 따라 신뢰도 임계값을 미세 조정하십시오.
  4. 기존 시스템과 통합: 대기열 관리 솔루션을 디지털 사이니지나 직원 알림 시스템과 연결하여 자동화된 대응이 가능하도록 하십시오.

FAQ#

  • 실시간 대기열 관리에 Ultralytics YOLO26을 사용하려면 다음 단계를 따를 수 있습니다:

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

    최소 예제는 다음과 같습니다:

    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 대기열 관리 솔루션을 배포하고 관리하기 위한 사용자 친화적인 플랫폼을 제공함으로써 이 과정을 간소화할 수 있습니다.

  • 대기열 관리에 Ultralytics YOLO26을 사용하면 여러 가지 이점이 있습니다:

    • 대기 시간 감소: 대기열을 효율적으로 조직하여 고객의 대기 시간을 줄이고 만족도를 높입니다.
    • 효율성 향상: 대기열 데이터를 분석하여 직원 배치 및 운영을 최적화함으로써 비용을 절감합니다.
    • 실시간 알림: 긴 대기열 발생 시 실시간 알림을 제공하여 신속한 개입이 가능합니다.
    • 확장성: 소매점, 공항, 의료 시설 등 다양한 환경에서 쉽게 확장할 수 있습니다.

    자세한 내용은 Queue Management 솔루션을 살펴보세요.

  • Ultralytics YOLO26은 대기열 관리 분야에서 TensorFlow 및 Detectron2에 비해 다음과 같은 장점이 있습니다:

    • 실시간 성능: YOLO26은 실시간 탐지 기능으로 유명하며 더 빠른 처리 속도를 제공합니다.
    • 사용 편의성: Ultralytics는 Ultralytics Platform을 통해 학습부터 배포까지 사용자 친화적인 경험을 제공합니다.
    • 사전 학습 모델: 다양한 사전 학습 모델을 이용할 수 있어 설정 시간을 최소화할 수 있습니다.
    • 커뮤니티 지원: 방대한 문서와 활발한 커뮤니티 지원으로 문제 해결이 더 쉽습니다.

    Ultralytics YOLO 시작 방법에 대해 알아보세요.

  • 네, Ultralytics YOLO26은 공항 및 소매점 환경을 포함한 다양한 유형의 대기열을 관리할 수 있습니다. QueueManager를 특정 영역과 설정으로 구성함으로써, YOLO26은 다양한 대기열 레이아웃과 밀도에 적응할 수 있습니다.

    공항 예시:

    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 응용 분야에 대한 자세한 정보는 Real World Applications 섹션을 확인하세요.

  • Ultralytics YOLO26은 대기열 관리를 위한 다양한 실제 애플리케이션에 사용됩니다:

    • 소매점: 계산대 줄을 모니터링하여 대기 시간을 줄이고 고객 만족도를 높입니다.
    • 공항: 매표소와 보안 검색대에서의 대기열을 관리하여 승객 경험을 원활하게 합니다.
    • 의료: 병원 및 진료소에서의 환자 흐름을 최적화합니다.
    • 은행: 은행 내 대기열을 효율적으로 관리하여 고객 서비스를 향상시킵니다.

    컴퓨터 비전이 어떻게 전 산업의 대기열 모니터링을 혁신하고 있는지 자세히 알아보려면 blog on real-world queue management를 확인하세요.

댓글