광학 흐름은 컴퓨터 비전의 기본 개념으로, 시각적 장면 내에서 물체, 표면 또는 가장자리의 겉으로 보이는 움직임에 초점을 맞추고 있습니다. 이러한 움직임은 비디오 또는 이미지 시퀀스의 연속된 프레임 사이의 픽셀의 상대적인 움직임을 통해 감지됩니다. 이러한 픽셀 이동을 분석함으로써 광학 흐름은 물체의 동적 동작과 환경과의 상호 작용에 대한 귀중한 인사이트를 제공합니다.
광학 흐름은 연속된 프레임에서 픽셀 강도를 비교하여 움직임의 방향과 크기를 결정하여 계산합니다. 이 정보는 벡터 필드로 표시되며, 각 벡터는 특정 픽셀 또는 영역의 움직임을 나타냅니다. 광학 흐름을 계산하는 기술에는 정확도와 견고성을 높이기 위해 신경망을 활용하는 루카스-카나데, 혼-슝크, 최신 딥러닝 접근법과 같은 방법이 있습니다.
컨볼루션 신경망(CNN)이 이러한 계산을 어떻게 지원하는지 자세히 알아보려면 Ultralytics 에서 컨볼루션 신경망(CNN)을 살펴보세요.
광학 흐름은 산업 전반, 특히 모션 분석과 동적 장면 이해가 필요한 작업에서 광범위하게 활용되고 있습니다. 다음은 몇 가지 주목할 만한 애플리케이션입니다:
광학 흐름과 오브젝트 추적은 모두 모션 분석을 포함하지만, 서로 다른 용도로 사용됩니다. 광학 흐름은 픽셀 수준의 움직임에 초점을 맞춰 장면 전체의 움직임을 밀도 있게 표현합니다. 반면 오브젝트 추적은 특정 오브젝트를 시간 경과에 따라 추적하는 데 집중하며, 주로 바운딩 박스 또는 세그먼테이션 마스크에 의존합니다.
Ultralytics YOLO 모델은 실제 애플리케이션에서 정확성을 보장하는 고급 알고리즘을 통해 물체 추적에 탁월합니다. 탐색 Ultralytics YOLO 에서 최첨단 추적 솔루션을 살펴보세요.
광학 흐름은 오클루전, 조도 변화, 빠르게 움직이는 물체 처리와 같은 문제에 직면해 있습니다. 딥러닝 기술의 통합과 같은 최근의 발전은 견고성과 정확성을 개선하여 이러한 한계를 해결합니다. 예를 들어, 신경망 기반 방법은 복잡한 모션 패턴을 학습하여 다양한 시나리오에서 기존 알고리즘보다 뛰어난 성능을 발휘할 수 있습니다.
광학 흐름을 AI 또는 머신러닝 프로젝트에 통합하기 위해 OpenCV와 같은 도구는 동작 추정을 위한 강력한 라이브러리를 제공합니다. 컴퓨터 비전에서 OpenCV와 그 응용 분야에 대해 자세히 알아보고 탐색을 시작하세요.
Ultralytics YOLO 과 같은 최첨단 모델을 사용하는 원활한 워크플로우를 위해 Ultralytics HUB를 활용하여 모션 분석을 원활하게 통합하면서 모델을 배포하고 훈련하세요. HUB는 복잡한 AI 작업을 간소화하여 초보자부터 전문가까지 누구나 쉽게 사용할 수 있습니다.
광학 흐름은 컴퓨터 비전에서 모션 분석의 초석으로, 자율 주행 차량부터 증강 현실에 이르기까지 다양한 애플리케이션을 구동합니다. 동적 장면을 해석하는 능력은 물체 감지 및 추적 기술을 보완하여 최신 AI 시스템에서 없어서는 안 될 필수 요소입니다. 관련 개념에 대해 자세히 알아보려면 컴퓨터 비전(CV) 및 이미지 세분화 ( Ultralytics)를 살펴보세요.
%25202.png)
%202.png)
