Ultralytics YOLO26을 이용한 대기열 관리 🚀#
대기열 관리란 무엇입니까?#
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#
| 물류 | 소매 |
|---|---|
![]() | ![]() |
| Ultralytics YOLO26을 사용한 공항 매표소의 대기열 관리 | Ultralytics 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.
# 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:
| 인수 | 유형 | 기본값 | 설명 |
|---|---|---|---|
model | str | None | Ultralytics YOLO 모델 파일 경로입니다. |
region | list 또는 dict | None | 관심 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_width | int | 2 | 솔루션이 그리는 상자, 키포인트 및 카운트의 선 두께입니다. |
verbose | bool | True | 입력 형태, 클래스 카운트 및 처리 속도에 대한 솔루션의 프레임별 로그를 활성화합니다. 트래킹 호출 자체는 항상 침묵 상태를 유지합니다. |
QueueManagement 솔루션은 일부 track 인자도 지원합니다:
| 인수 | 유형 | 기본값 | 설명 |
|---|---|---|---|
tracker | str | 'botsort.yaml' | 사용할 추적 알고리즘을 지정합니다. 기본 제공 옵션: botsort.yaml, bytetrack.yaml, ocsort.yaml, deepocsort.yaml, fasttrack.yaml, tracktrack.yaml. |
conf | float | 0.25 | 탐지에 대한 신뢰도 임계값을 설정합니다. 값이 낮을수록 더 많은 객체가 추적되지만 잘못된 긍정 탐지(false positives)가 포함될 수 있습니다. |
iou | float | 0.7 | 겹치는 감지를 필터링하기 위한 Intersection over Union (IoU) 임계값을 설정합니다. |
classes | list | None | 클래스 인덱스로 결과를 필터링합니다. 예를 들어 classes=[0, 2, 3]은 지정된 클래스만 추적합니다. |
device | str | None | 추론용 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:
| 인수 | 유형 | 기본값 | 설명 |
|---|---|---|---|
show | bool | False | True인 경우, 주석이 달린 이미지나 비디오를 창에 표시합니다. 개발 또는 테스트 중 즉각적인 시각적 피드백에 유용합니다. |
show_conf | bool | True | 각 탐지에 대한 신뢰도 점수를 레이블과 함께 표시합니다. 각 탐지에 대한 모델의 확신도를 파악할 수 있습니다. |
show_labels | bool | True | 시각적 출력에서 각 탐지에 대한 레이블을 표시합니다. 탐지된 객체를 즉시 이해할 수 있도록 합니다. |
구현 전략#
YOLO26으로 대기열 관리를 구현할 때는 다음 모범 사례를 고려하십시오:
- 전략적 카메라 배치: 장애물 없이 전체 대기열 영역을 포착할 수 있는 위치에 카메라를 설치하십시오.
- 적절한 대기열 영역 정의: 공간의 물리적 레이아웃에 기반하여 대기열 경계를 신중하게 설정하십시오.
- 탐지 신뢰도 조정: 조명 조건과 군중 밀도에 따라 신뢰도 임계값을 미세 조정하십시오.
- 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:
YOLO("yolo26n.pt")을 사용하여 YOLO26 모델을 로드합니다.cv2.VideoCapture을 사용하여 비디오 피드를 캡처합니다.- 대기열 관리를 위한 관심 영역(ROI)을 정의합니다.
- 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.

