Ultralytics YOLO26을 이용한 속도 추정#
속도 추정이란 무엇인가요?#
속도 추정은 주어진 상황에서 객체의 이동 속도를 계산하는 과정이며, 컴퓨터 비전 애플리케이션에서 자주 사용됩니다. 이제 Ultralytics YOLO26을 사용하면 객체 추적과 거리 및 시간 데이터를 함께 활용하여 객체의 속도를 계산할 수 있으며, 이는 교통 모니터링 및 감시와 같은 작업에 매우 중요합니다. 속도 추정의 정확도는 다양한 애플리케이션의 효율성과 신뢰성에 직접적인 영향을 미치므로, 지능형 시스템과 실시간 의사 결정 프로세스의 발전에 있어 핵심 요소입니다.
Watch: Speed Estimation using Ultralytics YOLO26
속도 추정에 대해 더 자세히 알아보려면 다음 블로그 게시물을 확인해 보세요: 컴퓨터 비전 프로젝트에서 속도 추정을 위한 Ultralytics YOLO
속도 추정의 장점#
- 효율적인 교통 제어: 정확한 속도 추정은 교통 흐름을 관리하고 안전성을 높이며 도로의 정체를 줄이는 데 도움이 됩니다.
- 정밀한 자율 주행: 자율주행 자동차와 같은 자율 시스템에서 신뢰할 수 있는 속도 추정은 안전하고 정확한 차량 주행을 보장합니다.
- 향상된 감시 보안: 감시 분석에서 속도 추정을 활용하면 비정상적인 행동이나 잠재적 위협을 식별하여 보안 조치의 효과를 높일 수 있습니다.
실제 적용 사례#
| 교통 | 교통 |
|---|---|
 |  |
| Ultralytics YOLO26을 사용한 도로 위 속도 추정 | Ultralytics YOLO26을 사용한 다리 위 속도 추정 |
속도는 추정치입니다
속도는 추정치이므로 완전히 정확하지 않을 수 있습니다. 또한 카메라 사양 및 관련 요인에 따라 추정값이 달라질 수 있습니다.
YOLO26으로 속도 추정하기#
SpeedEstimator 솔루션은 프레임 간 각 객체를 추적하고, 비디오 프레임 속도(fps)와 실제 세계의 스케일(meter_per_pixel)을 사용하여 픽셀 변위를 속도로 변환합니다. 카메라 설정에 맞게 meter_per_pixel을 조정하고 max_speed를 사용하여 노이즈가 있는 트랙에서 이상치를 제한합니다.
# Run a speed example
yolo solutions speed show=True
# Pass a source video
yolo solutions speed source="path/to/video.mp4"
# Adjust meter per pixel value based on camera configuration
yolo solutions speed meter_per_pixel=0.05SpeedEstimator 인수#
다음은 SpeedEstimator 인수 표입니다.
| 인수 | 유형 | 기본값 | 설명 |
|---|---|---|---|
model | str | None | Ultralytics YOLO 모델 파일의 경로입니다. |
fps | float | 30.0 | 속도 계산에 사용되는 초당 프레임 수입니다. |
max_hist | int | 5 | 속도 및 방향 계산을 위해 객체당 추적할 최대 과거 지점 수입니다. |
meter_per_pixel | float | 0.05 | 픽셀 거리를 실제 단위로 변환하는 데 사용되는 배율입니다. |
max_speed | int | 120 | 시각적 오버레이의 최대 속도 제한입니다(알림에 사용됨). |
line_width | int | 2 | 솔루션이 그리는 박스, 키포인트 및 카운트의 선 두께입니다. |
verbose | bool | True | 입력 형태, 클래스별 개수 및 처리 속도의 프레임별 로그를 활성화합니다. 추적 호출 자체는 항상 로그를 출력하지 않습니다. |
SpeedEstimator 솔루션에서는 다음 track 파라미터를 사용할 수 있습니다:
| 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.yaml입니다. |
conf | float | 0.25 | 검출 결과의 신뢰도 임계값을 설정합니다. 값이 낮을수록 더 많은 객체를 추적할 수 있지만 오탐이 포함될 수 있습니다. |
iou | float | 0.7 | 겹치는 검출 결과를 필터링하기 위한 교집합 대비 합집합 (IoU) 임계값을 설정합니다. |
classes | list | None | 클래스 인덱스로 결과를 필터링합니다. 예를 들어 classes=[0, 2, 3]은 지정된 클래스만 추적합니다. |
device | str | None | 추론에 사용할 장치를 지정합니다(예: cpu, cuda:0 또는 0). 사용자는 CPU, 특정 GPU 또는 기타 컴퓨팅 장치 중에서 모델 실행 장치를 선택할 수 있습니다. |
imgsz | int or tuple | 640 | 목표 추론 이미지 크기: 정사각형의 경우 정수 또는 (height, width) 쌍입니다. 형태는 모델 스트라이드에 맞게 조정됩니다. |
max_det | int | 300 | 추적 전 프레임당 유지되는 최대 검출 수로, 솔루션이 밀집된 장면에서 처리하는 객체를 제한합니다. |
quantize | int or str | None | 추론 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 다음과 같은 시각화 옵션을 지원합니다:
| 인수 | 유형 | 기본값 | 설명 |
|---|---|---|---|
show | bool | False | True인 경우 annotation이 추가된 이미지 또는 비디오를 window에 표시합니다. 개발 또는 테스트 중 즉각적인 시각적 피드백을 제공하는 데 유용합니다. |
show_conf | bool | True | 각 detection의 confidence score를 label과 함께 표시합니다. 각 detection에 대한 모델의 확신 정도를 파악할 수 있습니다. |
show_labels | bool | True | visual output에 각 detection의 label을 표시합니다. 검출된 객체를 즉시 파악할 수 있습니다. |
FAQ#
Ultralytics YOLO26을 사용한 객체 속도 추정은 객체 탐지와 추적을 결합합니다. 모델은 각 프레임에서 객체를 탐지하고 프레임 간 객체를 추적한 다음, 프레임 간 이동 거리를 프레임 속도와
meter_per_pixel스케일을 사용하여 속도로 변환합니다. 위의 Python 예제는 이 전체 파이프라인을 실행합니다. 비디오를 전달하고 카메라에 맞게meter_per_pixel을 조정하면 됩니다. 자세한 배경 정보는 공식 블로그 게시물을 참조하세요.Ultralytics YOLO26을 사용한 속도 추정의 정확도는 객체 추적의 품질, 비디오의 해상도와 프레임 속도, 환경적 변수 등 여러 요인에 따라 달라집니다. 속도 추정기는 신뢰할 수 있는 추정값을 제공하지만, 프레임 처리 속도의 변동과 객체 가림으로 인해 100% 정확하지 않을 수 있습니다.
참고: 항상 오차 범위를 고려하고, 가능한 경우 추정값을 실측 데이터로 검증하세요.
정확도를 더욱 향상하기 위한 팁은 인수
SpeedEstimator섹션을 확인하세요.