비디오 감시를 위한 비디오 로그 분석 및 Ultralytics 리틱스YOLO

AI 카메라로 보안을 위한 컴퓨터 비전 구현하기

30년 이상의 경력을 가진 전문가들이 이끄는 Videologic Analytics는 실시간 모니터링과 자동화된 위협 탐지를 위해 보안 카메라에 AI와 컴퓨터 비전을 통합하는 전문 기업입니다. 이 회사의 솔루션은 대규모 시설, 재생 에너지 시설, 주거 지역을 안정적인 성능으로 안전하게 보호합니다.

이들은 Prosegur, Securitas, Sabico 및 스페인의 4,000개 이상의 인증된 보안 회사와 같은 유명 고객에게 서비스를 제공합니다. 많은 비용과 시간이 소요되는 AI 모델 개발 및 배포에 어려움을 겪던 이 회사는 혁신적인 Vision AI 솔루션에 Ultralytics YOLO 모델을 도입했습니다. 이를 통해 보안 애플리케이션을 개선하고 새로운 업종으로 진출할 수 있었습니다.

AI를 활용한 비용 효율적인 자동화된 위협 탐지의 필요성

비디오로직 애널리틱스는 이전에 고객에게 제공한 보안 카메라에 AI 모델을 통합한 적이 있었습니다. 이러한 초기 모델은 일반 차량, 사람, 작은 동물 등 제한된 범위의 물체를 감지하도록 프로그래밍되었습니다. 이러한 기본 접근 방식은 고급 보안 시스템의 토대를 마련했지만, 특히 정밀도와 오탐률을 개선하는 데 있어 더 세밀하게 개선할 수 있는 기회를 제공하기도 했습니다.

고객들은 보다 광범위한 물체와 시나리오에서 더 광범위하고 정확한 물체 감지 기능을 제공할 수 있는 보다 포괄적인 솔루션을 찾고 있었습니다. 이러한 고객의 요구를 충족하기 위해 Videologic Analytics의 연구 개발 팀은 향상된 AI 모델을 개발하기 시작했습니다. 

이러한 모델을 개발하는 동안 Videologic Analytics는 기존 접근 방식에 높은 비용과 긴 개발 시간 등 몇 가지 문제가 있다는 것을 금방 알게 되었습니다. 이 회사는 보다 유연하고 효율적인 접근 방식이 필요하다는 것을 깨달았습니다. 이 새로운 접근 방식은 이러한 문제를 해결하고 고객의 진화하는 보안 요구 사항을 더 잘 충족할 수 있어야 했습니다. 

특히 비전 AI 솔루션의 신뢰성을 높이고 고객 만족도를 높일 수 있는 컴퓨터 비전 모델을 찾고자 했습니다. 또한 이 모델은 비용 효율적이면서도 향후 요구 사항에 맞게 조정할 수 있어야 했습니다.

AI 기반 이상 징후 탐색으로 감시의 재정의

여러 AI 모델을 테스트한 결과, 비디오로직 애널리틱스는 Ultralytics YOLO 모델이 필요한 유연성과 성능을 제공한다는 사실을 발견했습니다. 그들은 광범위한 일반 개체를 포함하는 COCO 데이터 세트를 사용하여 개발된 사전 학습된 YOLO 모델로 시작했습니다. 이 사전 학습은 모델이 이미 많은 기본 항목을 인식할 수 있어 특정 보안 요구 사항에 맞게 쉽게 조정할 수 있었기 때문에 강력한 기반을 제공했습니다.

예를 들어, 비디오로직 애널리틱스는 태양광 발전소 모니터링과 같은 애플리케이션을 위해 자체 독점 데이터를 사용하여 사전 학습된 모델을 미세 조정했습니다. 

이 시나리오에서는 AI 기반 이상 징후 탐지에 이 모델을 사용하여 권한이 없는 사람이나 차량과 같은 실제 위협과 작은 동물이나 바람에 날리는 파편과 같은 무해한 요소를 구분했습니다. 이러한 명확한 구분은 오경보를 줄이고 전반적인 보안 성능을 개선하는 데 필수적이었습니다.

태양광 발전소 모니터링과 함께 YOLO 사용한 산업 및 주거용 보안 솔루션과 소매 및 비즈니스 인텔리전스 분야의 컴퓨터 비전 혁신을 위한 개념 증명 모듈도 개발했습니다. 이들은 주로 물체 감지를 사용하지만, 포즈 추정 및 물체 추적과 같이 YOLO 지원하는 컴퓨터 비전 작업도 활용합니다.

‍

왜 Ultralytics YOLO 모델을 선택해야 하나요?

비디오로직 애널리틱스는 빠르고 정확한 추론을 제공하면서 수많은 카메라 채널을 지원할 수 있는 강력한 솔루션이 필요했기 때문에 Ultralytics YOLO 모델을 선택했습니다. 

YOLO 다양한 내보내기 형식을 지원하며 CUDA, TensorRT, ONNX 및 OpenVINO 같은 프레임워크와 원활하게 통합됩니다. 이러한 유연성 덕분에 비디오로직 애널리틱스는 PyTorch 사용해 모델을 미세 조정하고 프로덕션에 효율적으로 배포할 수 있습니다. 하드웨어별 최적화를 통해 YOLO 이전 모델보다 실시간 비디오 분석의 까다로운 요구 사항을 더 잘 충족합니다.

지능형 비디오 모니터링을 위한 간소화된 모델 배포

Ultralytics YOLO 모델을 통합한 이후, 비디오로직 애널리틱스는 성능과 효율성 모두에서 인상적인 개선을 이루었습니다. 새로운 Vision AI 솔루션을 통해 태양광 발전소, 산업 현장부터 주거 단지에 이르기까지 다양한 시설에서 신속한 실시간 위협 탐지가 가능해졌습니다. 

실제로 비디오로직 애널리틱스는 매년 약 10,000개의 라이선스를 배포하고 있으며, 각 라이선스는 전용 카메라 채널에 해당하며, 현재 모든 라이선스가 Ultralytics YOLO 모델을 지원하도록 업그레이드되었습니다. YOLO 전환으로 인해 오경보가 크게 감소하고 감지 정확도가 전반적으로 향상되었습니다. 그 결과 고객은 더욱 안정적인 보안 시스템을 이용할 수 있고 운영 비용도 절감할 수 있게 되었습니다. 

또한 Ultralytics YOLO 모델의 빠른 추론 속도와 확장성 덕분에 새로운 AI 기능의 시장 출시 기간이 단축되었습니다. 이를 통해 비디오로직 애널리틱스는 핵심 보안 제품을 강화하고 리테일 및 비즈니스 인텔리전스와 같은 업종에서 새로운 기회를 모색할 수 있게 되었습니다. 전반적으로, Ultralytics YOLO 모델의 도입은 즉각적인 운영 개선과 회사의 장기적인 성장 전망을 모두 이끌어냈습니다.

‍

안전과 보안을 위한 스마트 비디오 분석 앞으로 나아갈 길

비디오로직 애널리틱스는 기본적인 침입 탐지를 뛰어넘기 위해 Ultralytics YOLO 모델을 활용하여 솔루션을 확장하는 데 적극적으로 노력하고 있습니다. 다음 단계는 행동 분석, 트렌드 추적, 예측 인텔리전스와 같은 고급 분석을 통해 더욱 풍부하고 실행 가능한 인사이트를 제공하는 것입니다. 

이러한 개선 사항은 고객이 보안 운영을 최적화하고 리테일 및 비즈니스 인텔리전스 분야에서 새로운 가능성을 열어 실시간 비디오 분석의 지속적인 혁신과 성장을 촉진하는 데 도움이 될 것입니다.

컴퓨터 비전이 비즈니스를 어떻게 변화시킬 수 있는지 궁금하신가요? UltralyticsAI 솔루션이 자율 주행 자동차의 AI와 농업 분야의 컴퓨터 비전과 같은 혁신을 어떻게 변화시키고 있는지 GitHub 리포지토리를 살펴보세요. YOLO 모델과 라이선스 옵션에 대해 자세히 알아보고 지금 바로 더 스마트하고 효율적인 자동화를 향한 여정을 시작하세요.