인공지능 - 실시간 웹캠 객체 인식 - YOLOv8을 활용한 AI 시각 시스템
실시간 웹캠 객체 인식 - YOLOv8을 활용한 AI 시각 시스템
개요
AI가 실시간으로 카메라를 통해 세상을 바라보며 “저건 사람, 저건 고양이야!”라고 말할 수 있을까요?
이번 글에서는 YOLOv8이라는 최신 객체 탐지 모델을 사용하여, 웹캠 화면에 등장하는 객체를 실시간으로 인식하고 화면에 표시해보겠습니다.
좋은 질문입니다. “컴퓨터가 어떻게 사물을 보고 인식할 수 있을까?” 이건 마치 **‘눈이 없는 존재에게 세상을 이해시키는 방법’**과 같습니다.
컴퓨터에게 ‘이미지’란?
우리 눈에는 고양이 사진이 보이지만, 컴퓨터는 이 이미지를 숫자 배열로만 인식합니다.
예: 이미지 한 장 →
[
[ [123, 255, 0], [124, 254, 1], ... ], ← 1행: RGB 값
...
]
즉, 이미지 = 수많은 픽셀(Pixel) = 각 픽셀 = RGB 숫자 3개 → 컴퓨터에겐 그냥 수천만 개의 숫자 덩어리입니다.
그럼 AI는 어떻게 ‘의미’를 이해할까?
이제 핵심은 숫자 배열 속에서 패턴을 찾아내는 것입니다. 이걸 해주는 게 바로 딥러닝 모델, 그중에서도 **CNN (Convolutional Neural Network)**입니다.
CNN의 작동 방식 비유:
초등학생이 처음 고양이를 배울 때를 떠올려 보세요.
엄마가 고양이 사진을 보여주며 말합니다: “이게 고양이야. 이 귀 모양, 이 눈, 이 수염, 기억해!”
반복해서 수많은 고양이와 강아지 사진을 보여주면, 아이는 두 동물의 공통점과 차이점을 스스로 느끼고 분류할 수 있게 됩니다.
CNN도 비슷하게 학습합니다:
- 처음에는 그냥 필터(Filter)를 통해 모양(선, 둥근 것 등)을 감지하고
- 점점 더 깊은 층으로 갈수록 고양이의 귀, 코, 눈 같은 고유 특징을 학습합니다
- 마지막에는 “이건 98% 확률로 고양이야!”라고 판단합니다
YOLO의 방식은 무엇이 다른가요?
YOLO(You Only Look Once)는 객체 탐지를 위한 CNN 기반 모델입니다. YOLO의 특징은 다음과 같습니다:
- **한 번의 시선(연산)**으로 이미지 전체를 빠르게 파악함
- **객체의 위치(Box 좌표)**와 **종류(Label)**를 동시에 예측함
YOLO는 이미지를 격자(Grid)로 나누고, 각 격자에서 객체가 있을지, 어디에 있을지를 동시에 예측합니다.
간단한 흐름 요약:
- 입력 이미지 → 숫자 배열로 변환
- CNN이 특징 추출
-
YOLO가 각 영역별로:
- “이 위치에 사람 있음”
- “이건 고양이일 확률 92%”
- “박스는 (x1, y1) ~ (x2, y2)”
쉽게 말해서…
컴퓨터는 수천 장의 고양이 사진을 보고, ‘고양이스러운 숫자 조합’을 외우고, 비슷한 패턴이 다시 나타나면 ‘이건 고양이구나!’라고 판단하는 겁니다.
요약
| 단계 | 설명 |
|---|---|
| 이미지 입력 | RGB 숫자 배열로 변환 |
| 특징 추출 | CNN이 선, 형태, 구조 인식 |
| 객체 탐지 | YOLO가 위치 + 클래스 동시에 예측 |
| 출력 | ‘사람(0.98)’ → 사각형과 라벨로 시각화 |
2. 코드
아래는 필요한 부분만 정리한 실시간 객체 인식 코드입니다.
import cv2
from ultralytics import YOLO
# YOLOv8 모델 로드 (경량화된 yolov8n 사용)
model = YOLO('yolov8n.pt')
# 웹캠 열기
cap = cv2.VideoCapture(0, cv2.CAP_DSHOW)
if not cap.isOpened():
print("카메라를 열 수 없습니다.")
exit()
print("ESC를 누르면 종료됩니다.")
while True:
ret, frame = cap.read()
if not ret:
break
# 객체 인식 수행
results = model.predict(source=frame, imgsz=640, conf=0.5, verbose=False)[0]
# 결과 박스 출력
for box in results.boxes:
x1, y1, x2, y2 = map(int, box.xyxy[0])
conf = float(box.conf[0])
cls = int(box.cls[0])
label = model.names[cls]
if conf > 0.5:
cv2.rectangle(frame, (x1, y1), (x2, y2), (0, 255, 0), 2)
cv2.putText(frame, f"{label} {conf:.2f}", (x1, y1 - 10),
cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2)
cv2.imshow("YOLOv8 Webcam", frame)
# ESC 키를 누르면 종료
if cv2.waitKey(10) & 0xFF == 27:
break
cap.release()
cv2.destroyAllWindows()
3. 코드 설명
3.1 YOLO('yolov8n.pt')
YOLOv8은 Ultralytics에서 제공하는 객체 탐지 모델입니다.yolov8n.pt는 가장 가벼운(nano) 버전으로 빠른 속도에 적합합니다.- GPU가 없어도 충분히 작동하며 실시간 처리가 가능합니다.
3.2 model.predict(source=frame)
- 현재 프레임(이미지 한 장)을 분석하여 객체의 위치와 종류를 예측합니다.
- 반환값에는
boxes(사각형 좌표),conf(신뢰도),cls(클래스 번호) 정보가 포함됩니다.
3.3 cv2.rectangle()과 cv2.putText()
- 인식된 객체의 사각형 박스와 이름, 정확도를 화면에 그려줍니다.
4. AI 구조와 객체 인식 매커니즘
4.1 YOLOv8 구조 요약
YOLO는 “You Only Look Once”라는 이름처럼, 이미지를 딱 한 번만 보고 그 안에 있는 모든 객체를 동시에 예측합니다.
비유: 초능력 관찰자
마치 아래와 같은 상황이라고 상상해보세요:
누군가 방에 들어옵니다. AI는 방 전체를 단 1초 만에 스캔하면서 동시에 “왼쪽 구석엔 고양이, 오른쪽엔 사람, 책상 위엔 노트북”이라고 알려줍니다.
즉, 사람처럼 하나씩 시선을 옮기지 않고, 전체를 한눈에 파악합니다. 이게 YOLO가 빠르고 강력한 이유입니다.
4.2 YOLO 인식 흐름 요약
[이미지 또는 영상 프레임]
↓
[YOLO 네트워크 처리]
↓
[객체의 위치 좌표, 클래스 번호, 신뢰도]
↓
[화면에 사각형 박스와 라벨 표시]
YOLO는 이미지 전체를 격자로 나누고, 각 격자 안에 어떤 객체가 있는지를 예측합니다. 그 결과로 (좌표, 클래스, 확률) 정보를 출력하게 됩니다.
5. 실시간 탐지 결과 예시
웹캠을 실행하면 다음과 같은 결과가 화면에 출력됩니다:
- 사람이 등장하면
"person 0.98"라벨이 뜨고, 그 주위에 초록 박스가 표시됨 - 고양이나 노트북이 등장하면
"cat","laptop"등의 라벨이 표시됨
6. 정리 및 확장 아이디어
YOLOv8을 사용하면 이미지든, 실시간 영상이든 객체를 빠르게 탐지할 수 있습니다. 아래와 같은 방향으로 발전시킬 수 있습니다.
- 특정 객체(예: 사람)만 인식해서 알람 울리기
- 실시간 CCTV 분석 시스템 만들기
- Streamlit을 통해 웹 기반 시각화
댓글남기기