정보 · 실험 계획
실험 후보 — YOLO 컴퓨터 비전
YOLO26 기반으로 Mac mini에서 실행 가능한 CV 시나리오와, 데모 우선순위.
왜 YOLO인가
Ultralytics YOLO는 detection / segmentation / pose / OBB / classification의 주요 CV 태스크를 단일 프레임워크로 제공한다. 2026년 현재 최신 안정 버전 YOLO26은 NMS-free 엔드투엔드 추론으로 배포가 단순해졌고, 텍스트 프롬프트로 임의 객체를 탐지하는 오픈 보캐뷸러리 모델(YOLOE-26)도 포함한다 — "안전모 미착용자"를 프롬프트만으로 탐지하는 데모가 가능하다는 뜻이다.
Mac mini에서의 실행
PyTorch가 Apple Silicon의 MPS(Metal) 백엔드로 GPU 가속을 지원하므로 설치는 간단하다.
from ultralytics import YOLO
model = YOLO("yolo26n.pt")
model.track(source="rtsp://...", device="mps",
tracker="bytetrack.yaml", stream=True)
- nano/small 모델 기준 720p 스트림 여러 개를 채널당 20~30+ FPS로 실시간 처리 가능할 것으로 예상 — 실측 후 수치를 갱신한다.
- 카운팅·히트맵·속도 추정·주차 관리 등은 Ultralytics Solutions 모듈로 코드 몇 줄이면 된다.
- Core ML 내보내기(
model.export(format="coreml"))로 Neural Engine을 활용하면 상시 가동 시 전력·발열이 유리하고, 같은 모델을 iPhone/iPad 앱에 그대로 탑재할 수 있다.
시나리오 카탈로그 (발췌)
난이도: 즉시 사전학습 모델 그대로 · 로직 ROI·판정 로직 추가 · 학습 커스텀 데이터 파인튜닝 필요
| 도메인 | 시나리오 예시 | 난이도 |
|---|---|---|
| 사무실 | 회의실 점유·인원 감지, 출입 카운팅 | 즉시 |
| 교통 | 차종별 통행량 집계, 속도 추정, 주차면 관리 | 즉시~로직 |
| 보안 | 금지구역 침입, 배회 감지, 넘어짐(포즈) 감지 | 즉시~로직 |
| 안전(PPE) | 안전모·조끼 미착용 감시 + 알림 | 로직 (공개 가중치 존재) |
| 리테일 | 입장객 카운팅, 동선 히트맵, 대기열 관리 | 즉시~로직 |
| 제조 | 컨베이어 카운팅, 표면 결함 검출 | 로직~학습 |
YOLO 외에도 SAM(클릭 세그멘테이션), MediaPipe(손·얼굴 랜드마크), Depth Anything (단안 깊이), anomalib(정상 샘플만으로 결함 검출), VLM 자연어 질의("작업자가 장갑을 꼈는가?") 등이 같은 하드웨어에서 로컬로 돈다.
데모 우선순위
- 회의실 점유 + 출입 카운팅 — 설치 30분 내 동작, 즉시 체감
- 교통량 차종별 카운팅 + 히트맵 — 공개 영상만으로 시연 가능, 시각적 임팩트
- PPE 감지 + 메신저 알림 — 산업 수요 최대, 공개 가중치 존재
- anomalib 실물 결함 검출 — "정상품 30장이면 된다"는 메시지
- VLM 자연어 CCTV 질의 — 규칙을 코드가 아닌 프롬프트로 바꾸는 차별점
공통 골격은 입력(RTSP/파일) → 추론 → 이벤트 판정 → 기록 + 알림 + 대시보드로
통일해 시나리오 교체 시 재사용률을 높인다. 결과물은 서비스 섹션에 공개할 예정.