Ultralytics 로 객체 추적에 대해 알아보세요! 실시간 애플리케이션을 위한 YOLO 모델을 사용하여 동영상에서 동작, 동작 및 상호 작용을 추적하는 방법을 알아보세요.
객체 추적은 일련의 비디오 프레임 또는 카메라 피드에서 움직이는 특정 객체를 식별하고 추적하는 컴퓨터 비전(CV) 의 기본 작업입니다. 개별 정적 이미지 또는 단일 비디오 프레임 내에서 객체를 찾는 데 중점을 두는 객체 감지와 달리 객체 추적은 시간이 지나도 이러한 객체의 정체성과 궤적을 유지합니다. 이러한 지속적인 모니터링을 통해 시스템은 동적 환경 내에서 객체의 움직임, 동작 및 상호 작용을 이해할 수 있으므로 단독 감지보다 더 풍부한 인사이트를 제공합니다. 이는 많은 비전 AI 애플리케이션의 핵심 구성 요소입니다.
오브젝트 추적은 일반적으로 다음과 같은 오브젝트 감지기를 사용하여 초기 프레임에서 오브젝트를 감지하는 것으로 시작됩니다. Ultralytics YOLO 모델과 같은 오브젝트 감지기를 사용하여 오브젝트를 감지하는 것으로 시작됩니다. 바운딩 박스로 표시되는 객체가 감지되면 추적 알고리즘이 객체에 고유 ID를 할당합니다. 이후 프레임에서 알고리즘은 위치, 속도, 외관 특징 등 이전 상태를 기반으로 물체의 새 위치를 예측합니다. 이 예측에는 종종 동작 추정과 같은 기술이 포함됩니다. 그런 다음 시스템은 현재 프레임에서 새로 감지된 객체를 기존 추적 객체와 연결하여 경로를 업데이트하고 고유 ID를 유지합니다.
이 프로세스에서는 객체가 일시적으로 숨겨지는 것(오클루전), 객체 모양의 변화, 여러 객체 간의 복잡한 상호 작용, 조명 또는 카메라 시점의 변화 등 여러 가지 문제를 처리해야 합니다. 이러한 문제를 해결하는 데 사용되는 일반적인 기술로는 모션 예측 및 연상을 위한 칼만 필터(KF) 와 같은 필터링 방법과 보다 강력한 추적을 위해 모션과 외형 기능을 결합하는 SORT(Simple Online and Realtime Tracking ) 및 DeepSORT와 같은 고급 딥러닝(DL) 접근 방식이 있습니다. Ultralytics 모델은 이러한 기술을 구현하는 데 사용할 수 있는 다양한 트래커를 지원합니다. 효과적인 오클루전 처리는 트랙 연속성을 유지하는 데 매우 중요합니다.
객체 추적을 다른 관련 컴퓨터 비전 작업과 구분하는 것이 중요합니다:
객체 추적, 특히 다중 객체 추적(MOT)은 수많은 실제 AI 애플리케이션에서 매우 중요한 역할을 합니다:
객체 추적을 구현하려면 객체 감지 모델과 추적 알고리즘을 결합해야 하는 경우가 많습니다. OpenCV와 같이 널리 사용되는 라이브러리는 기본적인 추적 기능을 제공합니다. 다음과 같은 프레임워크 PyTorch 및 TensorFlow 와 같은 프레임워크는 기본 탐지 모델을 구축하고 훈련하는 데 사용됩니다. Ultralytics 다음과 같은 추적 기능을 모델에 직접 통합하여 이 프로세스를 간소화합니다. YOLO11. 사용자는 전용 트랙 모드를 사용하여 쉽게 추적을 활성화할 수 있습니다. 데이터 어노테이션부터 배포까지 전체 워크플로우를 관리하기 위해, Ultralytics HUB와 같은 플랫폼은 포괄적인 도구를 제공합니다. YOLO11 개체 추적 가이드와 같은 가이드를 따라 시작할 수 있습니다.
