Ultralytics YOLO26을 사용한 속도 측정 🚀#
속도 측정(Speed Estimation)이란 무엇입니까?#
속도 추정은 주어진 컨텍스트 내에서 객체의 이동 속도를 계산하는 과정으로, 컴퓨터 비전 애플리케이션에서 자주 사용됩니다. Ultralytics YOLO26을 사용하면 객체 추적과 거리 및 시간 데이터를 함께 활용하여 객체의 속도를 계산할 수 있으며, 이는 교통 모니터링 및 감시 같은 작업에 매우 중요합니다. 속도 추정의 정확도는 다양한 애플리케이션의 효율성과 신뢰성에 직접적인 영향을 미치며, 지능형 시스템 및 실시간 의사결정 프로세스의 발전에 핵심적인 구성 요소가 됩니다.
Watch: Speed Estimation using Ultralytics YOLO26
속도 추정에 대한 더 자세한 내용은 블로그 포스트인 Ultralytics YOLO for Speed Estimation in Computer Vision Projects에서 확인하세요.
속도 측정의 이점#
- 효율적인 교통 제어: 정확한 속도 측정은 교통 흐름을 관리하고, 안전을 강화하며, 도로의 혼잡을 줄이는 데 도움이 됩니다.
- 정밀한 자율 주행: 자율주행차와 같은 자율 시스템에서 신뢰할 수 있는 속도 추정은 안전하고 정확한 차량 주행을 보장합니다.
- 향상된 감시 보안: 감시 분석에서의 속도 측정은 비정상적인 행동이나 잠재적인 위협을 식별하여 보안 조치의 효과를 개선합니다.
실제 세계에서의 활용 사례#
| 교통 | 교통 |
|---|---|
 |  |
| Ultralytics YOLO26을 사용한 도로 위 속도 측정 | Ultralytics YOLO26을 사용한 교량 위 속도 측정 |
속도는 추정치입니다
속도는 추정치이며 완전히 정확하지 않을 수 있습니다. 또한, 측정 결과는 카메라 사양 및 관련 요인에 따라 달라질 수 있습니다.
YOLO26을 사용하여 속도 추정하기#
SpeedEstimator 솔루션은 각 객체를 프레임별로 추적하고 비디오 프레임 속도(fps)와 실제 세계 척도(meter_per_pixel)를 사용하여 픽셀 변위를 속도로 변환합니다. 카메라 설정에 맞게 meter_per_pixel을 조정하고 max_speed를 사용하여 노이즈가 있는 트랙의 이상값을 고정하십시오.
# 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 인수가 포함된 표입니다:
| 인수 | 유형 | 기본값 | 설명 |
|---|---|---|---|
model | str | None | Ultralytics YOLO 모델 파일 경로입니다. |
fps | float | 30.0 | 속도 계산에 사용되는 초당 프레임 수입니다. |
max_hist | int | 5 | 속도/방향 계산을 위해 객체별로 추적할 최대 기록 포인트 수입니다. |
meter_per_pixel | float | 0.05 | 픽셀 거리를 실제 단위로 변환하는 데 사용되는 스케일링 계수입니다. |
max_speed | int | 120 | 시각적 오버레이에서 표시되는 최대 속도 제한(경고 등에 사용됨)입니다. |
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. |
SpeedEstimator 솔루션은 track 파라미터의 사용을 허용합니다:
| 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 옵션이 지원됩니다:
| 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. |
FAQ#
Ultralytics YOLO26을 이용한 객체 속도 추정은 객체 감지와 추적을 결합합니다. 모델은 각 프레임에서 객체를 감지하고, 프레임 간에 이를 추적하며, 프레임 속도와
meter_per_pixel척도를 사용하여 프레임 간 이동 거리를 속도로 변환합니다. 위의 Python 예제는 이 전체 파이프라인을 실행합니다. 비디오를 전달하고 카메라에 맞게meter_per_pixel을 조정하십시오. 더 자세한 배경 정보는 공식 블로그 포스트를 참조하세요.Ultralytics YOLO26을 사용한 속도 추정의 정확도는 객체 추적의 품질, 비디오의 해상도 및 프레임 속도, 환경 변수를 비롯한 여러 요소에 따라 달라집니다. 속도 추정기는 신뢰할 수 있는 추정값을 제공하지만, 프레임 처리 속도의 편차와 객체 가림 현상으로 인해 100% 정확하지 않을 수 있습니다.
참고: 항상 오차 범위를 고려하고 가능하면 지상 실측(ground truth) 데이터로 추정치를 검증하십시오.
정확도를 더욱 향상시키기 위한 팁은 인수
SpeedEstimator섹션을 확인하세요.