Ultralytics YOLO11을 자동 번호판 인식(ANPR) 시스템에 사용하여 실시간 감지 및 교통 및 주차 관리에 도움을 주는 방법을 확인하세요.
.png)
AI 도입이 증가함에 따라 자동 번호판 인식(ANPR)에 기반한 혁신이 더욱 보편화되고 있습니다. ANPR 시스템은 컴퓨터 비전을 사용하여 차량 번호판을 자동으로 판독하고 식별 및 추적합니다. 최근에는 AI의 발전으로 이러한 시스템을 일상 생활에 빠르게 통합할 수 있게 되었습니다. 실제로 요금소나 경찰의 과속 차량 검문 과정에서 ANPR 시스템을 본 적이 있을 것입니다.
번호판 인식은 점점 더 중요해지고 있으며, 2027년까지 전 세계 ANPR 시스템 시장은 48억 달러에 달할 것으로 예상됩니다. 이러한 성장의 요인 중 하나는 교통 관리 및 보안과 같은 애플리케이션에 ANPR이 제공하는 이점입니다.
ANPR 애플리케이션에서 최상의 결과를 얻으려면 이러한 솔루션의 기반이 되는 AI 기술을 이해하는 것이 중요합니다. 예를 들어, 컴퓨터 비전 작업인 물체 감지는 차량을 정확하게 인식하고 추적하는 데 필수적이며, 바로 이 부분에서 Ultralytics YOLO11과 같은 컴퓨터 비전 모델이 등장합니다. 이 글에서는 ANPR의 작동 방식과 특히 YOLO11이 어떻게 ANPR 솔루션을 개선할 수 있는지 살펴봅니다.
.png)
자동 번호판 인식에는 차량 번호판을 빠르고 정확하게 식별하기 위한 몇 가지 중요한 단계가 포함됩니다. 이러한 단계가 어떻게 함께 작동하여 프로세스를 효율적으로 만드는지 분석해 보겠습니다:
.png)
ANPR 시스템은 종종 열악한 조명, 다양한 플레이트 디자인, 열악한 환경 조건과 같은 문제에 직면할 수 있습니다. YOLO11은 열악한 조건에서도 감지 정확도와 속도를 높여 이러한 문제를 해결하는 데 도움을 줄 수 있습니다. YOLO11과 같은 모델을 사용하면 ANPR이 더욱 안정적으로 작동하여 낮이든 밤이든, 악천후든 상관없이 실시간으로 번호판을 더 쉽게 식별할 수 있습니다. 다음 섹션에서는 YOLO11을 사용하여 이러한 개선 사항을 달성하는 방법에 대해 자세히 살펴보겠습니다.
Ultralytics YOLO11은 Ultralytics의 연례 하이브리드 이벤트인 YOLO Vision 2024(YV24)에서 처음 선보였습니다. 실시간 애플리케이션을 지원하는 객체 감지 모델인 YOLO11은 ANPR 시스템과 같은 혁신을 개선할 수 있는 훌륭한 옵션입니다. YOLO11은 에지 AI 애플리케이션에도 적합합니다. 따라서 네트워크 연결이 불안정한 경우에도 YOLO11과 통합된 ANPR 솔루션이 효과적으로 작동할 수 있습니다. 따라서 ANPR 시스템은 원격 위치나 연결이 제한된 지역에서도 원활하게 작동할 수 있습니다.
YOLO11은 또한 이전 버전에 비해 효율성이 향상되었습니다. 예를 들어, YOLO11m은 이전 버전에 비해 22% 더 적은 매개변수로 COCO 데이터세트에서 더 높은 평균 정밀도(mAP) 를 달성합니다. YOLOv8m. YOLO11을 사용하면 ANPR 시스템은 조명 조건의 변화, 다양한 번호판 디자인, 움직이는 차량과 같은 다양한 문제를 더 잘 처리할 수 있어 보다 안정적이고 효과적인 번호판 인식이 가능해집니다.
ANPR 프로젝트에서 YOLO11을 어떻게 사용할 수 있는지 궁금하다면, 매우 간단합니다. 객체 감지를 지원하는 다양한 YOLO11 모델은 COCO 데이터 세트에 대해 사전 학습되었습니다. 이 모델은 자동차, 자전거, 동물 등 80가지 유형의 물체를 감지할 수 있습니다. 번호판은 사전 학습된 레이블에 포함되어 있지 않지만, 사용자는 Ultralytics Python 패키지 또는 코드가 필요 없는 Ultralytics HUB 플랫폼을 사용하여 번호판을 감지하도록 YOLO11을 쉽게 사용자 지정 학습할 수 있습니다. 사용자는 유연하게 전용 번호판 데이터 세트를 생성하거나 사용하여 맞춤형으로 학습된 YOLO11 모델을 ANPR에 완벽하게 만들 수 있습니다.
다음으로, 효율성과 정확성을 향상시키기 위해 ANPR과 YOLO11을 함께 사용할 수 있는 다양한 애플리케이션을 살펴보겠습니다.
교차로와 고속도로를 오가는 차량으로 붐비는 도시에서 교통경찰은 교통 혼잡을 관리하고 교통 위반을 모니터링하며 공공 안전을 보장해야 합니다. ANPR을 YOLO11과 통합하면 이러한 노력에 큰 변화를 가져올 수 있습니다. 차량 번호판을 즉시 인식함으로써 당국은 교통 흐름을 주시하고 교통법을 집행하며 위반 차량을 신속하게 식별할 수 있습니다. 예를 들어 과속 차량을 쉽게 적발할 수 있습니다.
전반적으로 YOLO11이 포함된 ANPR은 수작업이 필요한 작업을 자동화할 수 있습니다. 적색 신호를 위반한 차량을 감지하고 요금소 운영을 관리할 수 있습니다. 이러한 작업을 자동화하면 시스템의 효율성이 향상될 뿐만 아니라 교통 경찰관의 업무량이 줄어들어 더 중요한 업무에 집중할 수 있습니다.
법 집행 기관에서 YOLO11과 ANPR은 함께 작동하여 도난 차량을 추적하고 의심스러운 활동으로 표시된 차량을 식별할 수 있습니다. YOLO11의 실시간 감지 기능은 차량이 빠르게 이동하는 경우에도 빠르고 안정적으로 차량을 인식할 수 있도록 합니다. 이 기능은 보다 빠른 대응 시간과 효과적인 법 집행을 가능하게 하여 공공 안전을 개선하는 데 도움이 됩니다.
YOLO11과 함께 ANPR의 또 다른 흥미로운 응용 분야는 주차 관리 시스템입니다. 예를 들어, 운전자가 발권기나 직원과 상호작용할 필요 없이 차량이 주차장에 들어가고, 주차하고, 나갈 수 있는 주차장을 구현할 수 있습니다. YOLO11을 사용하는 ANPR 주차 시스템은 원활한 입출차 및 결제 프로세스를 지원할 수 있습니다.
차량이 진입 게이트에 접근하면 YOLO11 기반의 ANPR이 즉시 번호판을 인식합니다. 그런 다음 시스템은 사전 등록된 데이터베이스와 번호판을 교차 확인하거나 새 항목을 생성합니다. 게이트가 자동으로 열리면서 수동 단계 없이 차량이 들어올 수 있습니다. 속도가 빨라진 프로세스는 운전자에게 더욱 편리한 경험을 제공합니다.
마찬가지로 차량이 출차하면 시스템은 YOLO11을 사용하여 번호판을 다시 감지합니다. 주차 시간을 계산하고 차량이 결제 수단으로 등록된 경우 자동으로 결제를 처리할 수 있습니다. 자동화를 통해 실제 결제기가 필요하지 않으며 특히 혼잡한 시간대에 출구의 혼잡을 줄이는 데 도움이 됩니다.
이러한 주차 관리 시스템이 원활하게 작동하려면 번호판을 실시간으로 정확하게 감지하는 YOLO11의 기능이 핵심입니다. 주차를 더 편리하게 할 뿐만 아니라 수작업을 줄이고 교통 흐름을 개선하여 운영자가 시설을 더 잘 관리할 수 있도록 도와줍니다.
YOLO11과 통합된 ANPR 시스템은 게이트가 있는 커뮤니티, 기업 캠퍼스, 제한 시설과 같은 보안 구역에 대한 접근을 관리할 수 있는 훌륭한 옵션입니다. ANPR을 사용하면 이러한 장소의 보안을 자동화 하여 허가된 차량만 출입할 수 있도록 할 수 있습니다.
앞서 설명한 주차 관리 시스템과 유사합니다. 가장 큰 차이점은 시스템이 승인된 차량 목록과 번호판을 대조한다는 점입니다. 차량이 승인되면 게이트가 자동으로 열리므로 보안을 철저히 유지하면서 거주자, 직원 또는 방문객이 원활하게 출입할 수 있습니다. 이 프로세스는 수동 확인의 필요성을 줄여 보안 직원이 더 중요한 업무에 집중할 수 있도록 합니다.
이제 YOLO11과 통합된 ANPR 시스템의 몇 가지 애플리케이션을 살펴봤으니, 이러한 애플리케이션에 대해 좀 더 연결된 방식으로 생각해 보겠습니다.
개별 애플리케이션을 넘어 스마트 시티를 위한 도시 인프라에서 하나의 통합된 솔루션으로 간주될 때 그 장점이 빛을 발합니다. 도시가 더욱 스마트하게 진화함에 따라 ANPR 시스템은 도시 인프라에서 점점 더 중요한 역할을 하고 있습니다.
예를 들어 ANPR을 사용하여 교통 관리, 보안 액세스 권한 부여, 주차 효율화를 한 번에 처리하는 스마트 시티를 생각해 보세요. 차량이 도시에 진입할 때 이를 감지하고, 차량 전체를 추적하고, 제한 구역에 대한 접근 권한을 부여하고, 수동 개입 없이 주차를 허용할 수 있습니다.
ANPR은 YOLO11과 같은 컴퓨터 비전 모델을 통합함으로써 교통을 보다 효율적으로 관리하고 보안을 강화하며 공공 안전을 개선하는 데 도움을 줄 수 있습니다. 이러한 시스템은 실시간 모니터링, 자동화된 프로세스, 데이터 기반 의사결정을 가능하게 하여 현대 도시의 복잡성을 관리하는 데 필수적입니다.
ANPR 시스템은 현대 도시 인프라에 필수적인 요소로 자리 잡고 있으며, YOLO11과 같은 컴퓨터 비전 모델을 통합하면 더욱 유용하게 사용할 수 있습니다. YOLO11은 더 나은 정확도, 실시간 처리 및 적응성으로 ANPR을 향상시켜 스마트 시티 애플리케이션에 이상적입니다. 교통 관리 및 법 집행 개선부터 주차 및 보안 액세스 자동화까지, YOLO11 기반 ANPR 시스템은 효율성과 신뢰성을 제공합니다. 도시가 더욱 스마트해짐에 따라 이러한 솔루션은 도시 생활을 변화시키고 지능형 인프라의 미래를 지원하는 데 중요한 역할을 할 것입니다.
AI에 대해 자세히 알아보려면 GitHub 리포지토리를 방문하고 커뮤니티에 참여하세요. 솔루션 페이지에서 제조 및 농업 분야의 AI 애플리케이션을 살펴보세요. 🚀
