YolPe: YOLO26s for Long-Range Person Detection

YolPe is a person detector for CCTV views, where distant people look tiny and crowds overlap. It fine-tunes YOLO26s (COCO-pretrained) on CrowdHuman for single-class person detection.

Results (CrowdHuman val, imgsz 1280, conf 0.35, vs. base YOLO26s) Far-range recall (box height < 48px) rose from 0.225 to 0.798 (3.5x), and near-range recall from 0.852 to 0.969. The smallest reliably detected person dropped from 128px to 24px (5.3x smaller). Precision is 0.900 and recall is 0.914 (false positives about 10.0%, misses about 8.6%). These are dataset-based, not measured on site. In an on-site CCTV test, it detected 4x more people than base YOLO26s at the same speed. It matched YOLO26x while running 6.7x faster with 6.0x fewer parameters.

Deployment It ran the real-time crowd monitoring service at the 2026 AI Future Education Expo (2026-10-31 to 2026-11-01), used by 3,000+ visitors, staff, and organizers. Each CCTV updated every 10 seconds (5 frames per cycle, 640px-wide streams) on a single laptop, with no interruptions.

Links Training code: https://github.com/lkw-k/YolPe Service code: https://github.com/lkw-k/YOBA Demo: https://huggingface.co/spaces/illimax/YolPe

핵심 성과 요약

• 원거리 사람 인식률 약 3.5배 향상 (22.5% → 79.8%, CrowdHuman val)
• 인식 가능한 최소 사람 크기 약 5.3배 축소 (128px → 24px)
• 현장 영상에서 같은 크기 기본 YOLO26s보다 4배 많은 사람 검출, 같은 결과를 낸 YOLO26x 대비 약 6.7배 빠른 속도
• 2026 전남광주통합특별시교육청 AI 미래교육 박람회 실사용: 3,000+명 대상, 2일간 서비스 중단 없음

목차: 1. 개요 · 2. 실사용 · 3. 사용법 · 4. 학습 · 5. 성능 · 6. 한계 · 7. 라이선스 · 8. 인용

---

1. 개요

(The original photos include a total of 16 people)

CCTV와 같은 높은 곳에서 넓은 범위를 찍습니다. 그래서 같은 화면 안에서도 가까운 사람은 크게, 멀리 있는 사람은 수십 px로 작게 보이고, 사람이 많으면 서로 겹칩니다. 화면 속 사람 수를 세려면 이렇게 작고 겹친 사람까지 빠짐없이 찾아야 합니다.

COCO로 학습된 YOLO26 Small(YOLO26s) 은 가까운 사람은 잘 찾지만, 멀리 있는 작은 사람과 겹친 사람은 많이 놓칩니다. 그래서 군중 데이터셋 CrowdHuman으로 파인튜닝해 사람 한 클래스(0: person) 만 검출하도록 만들었습니다. 근거리 성능은 유지하면서 원거리 인식을 끌어올리는 것이 목표입니다.

• 학습 코드: https://github.com/lkw-k/YolPe (Data Conversion, Training, Distance-based Evaluation)

항목	값
기본 모델	Ultralytics YOLO26s (COCO 사전학습)
클래스	0: person (가려진 부분까지 포함한 전체 몸 박스)
입력 크기	1280 (960에서도 평가)
구조	end-to-end, NMS 없음

---

2. 실사용

본 모델은 2026 전남광주통합특별시교육청 AI 미래교육 박람회의 CCTV 혼잡도 분석 서비스에 실제로 사용되었습니다.

항목	내용
운영 기간	2026-10-31 ~ 2026-11-01
용도	박람회 홈페이지의 구역별 실시간 혼잡도 정보 제공
서비스 대상	박람회 방문객, 부스 운영진, 행사 관리진 등 3,000+명
갱신 주기	CCTV 1대당 10초마다 갱신 (주기마다 프레임 5장 캡처)
실행 환경	노트북 1대
CCTV 영상 해상도	가로 640픽셀
안정성	운영 기간 동안 서비스 중단 없이 제공
개인정보 보호	검출된 사람을 블러 처리한 이미지만 제공하며, 원본 영상은 저장하지 않음

• 서비스 코드: https://github.com/lkw-k/YOBA

---

3. 사용법

브라우저 데모: 설치 없이 Hugging Face Space에서 사진을 올려 검출과 블러 결과를 바로 확인할 수 있습니다. 모든 처리는 브라우저 안에서 실행됩니다.

from huggingface_hub import hf_hub_download
from ultralytics import YOLO

path = hf_hub_download("illimax/YolPe", "YolPe.pt")
model = YOLO(path)
results = model.predict("crowd.jpg", imgsz=1280, conf=0.35, max_det=1000)
print(len(results[0].boxes), "명")

• conf=0.35는 아래 거리별 인식률을 잰 기준값입니다. F1이 가장 높은 값은 0.371이고, 두 값의 결과 차이는 작습니다 (아래 성능 참고).
• 혼잡 장면에서는 max_det=1000을 꼭 넘기세요. 기본값 300이면 인원이 잘립니다.
• ONNX/TensorRT로 export할 때도 max_det이 그래프에 고정되므로 max_det=1000을 넘겨야 합니다.
• yolo26s-yoba-v1.pt(YOBA 서비스용 이름)와 yolo26s-ywhob-v1.pt(예전 이름, 호환용)는 YolPe.pt와 같은 파일입니다.

---

4. 학습

학습과 평가 코드, 재현 방법은 GitHub lkw-k/YolPe에 있습니다.

4.1 데이터

• CrowdHuman train 15,000장으로 학습, val 4,370장으로 검증
• 라벨: 유효한 사람의 full box(가려진 부분 포함)를 person으로 쓰고, 이미지 밖으로 나간 부분은 잘랐습니다.
• ignore 영역 처리: CrowdHuman의 mask 영역과 ignore 표시된 사람은 라벨에서 빼고, 이미지에서 회색(114)으로 칠했습니다. 라벨만 빼면 모델이 그 사람들(주로 멀리 있는 빽빽한 군중)을 "사람 없음"으로 배워서 원거리 검출이 약해지기 때문입니다. 칠한 영역과 겹치는 유효한 사람의 보이는 부분은 원래 픽셀로 되돌렸습니다.

4.2 설정

항목	값	이유
imgsz	1280	원거리 작은 사람 검출
epochs / patience	50 / 10	val mAP50-95가 10 에폭 동안 안 오르면 중단
batch	8
mosaic / close_mosaic	1.0 / 10	마지막 10 에폭은 모자이크를 끄고 실제 이미지 분포로 마무리
scale / fliplr	0.5 / 0.5
flipud	0.0	카메라 시점이 고정이라 상하 반전은 쓰지 않음
hsv_v	0.4	실내 조명 변화
max_det	1000

• 47 Epoch에서 Early Stopping. val mAP50-95가 가장 높았던 37 Epoch을 채택했습니다.
• Ultralytics 8.4.163

---

5. 성능

CrowdHuman val 4,370장(사람 99,481명), imgsz 1280 기준입니다. 기본 모델(YOLO26s COCO)은 person 클래스만 남겨서 비교했습니다.

항목	평가 기준	핵심 수치
5.2 거리별 인식률	CrowdHuman val, conf 0.35	원거리 3.5배, 최소 인식 크기 5.3배
5.3 현장 영상 비교	현장 CCTV 영상 한 장면, CPU	검출 인원 4배, YOLO26x 대비 6.7배 빠름
5.4 최대 F1 지점	CrowdHuman val, conf 0.371	Precision 0.940, Recall 0.884, mAP50 0.946
5.5 오탐률 및 미검출률	CrowdHuman val 오분류표	오탐률 약 10.0%, 미검출률 약 8.6%

5.1 평가 조건

지표마다 재는 조건이 달라서 수치를 직접 비교하면 안 됩니다.

지표	conf	정답 박스	용도
거리별 인식률 (기준)	0.35	visible box, IoU 0.5	사람을 몇 % 찾았나. COCO 모델과 공정하게 비교하려고 보이는 부분 기준
검출 지표 (P, R, mAP)	0.371 (최대 F1 지점)	full box	Ultralytics 표준 검증

5.2 거리별 인식률 (conf 0.35)

사람 수를 세는 용도라 mAP보다 "사람을 몇 % 찾았나"(recall)를 주로 봤습니다. 거리는 화면 속 사람 박스 높이(모델 입력 기준)로 나눴습니다. 작을수록 멀리 있는 사람입니다.

잘 보이는 사람 (몸의 75% 이상이 보이는 사람, 48,204명)

거리	박스 높이	사람 수	기본 YOLO26s	이 모델	향상	배수
원거리	48px 미만	5,535	0.225	0.798	+0.573	3.5배
중거리	48~128px	14,966	0.559	0.930	+0.371	1.7배
근거리	128px 이상	27,703	0.852	0.969	+0.117	1.1배
전체		48,204	0.689	0.938	+0.249	1.4배

최소 인식 크기(인식률 0.7 이상이 되는 가장 작은 박스 높이): 기본 모델 128px → 이 모델 24px (약 5.3배 더 작은 사람까지 인식)

핵심 성과: 기본 모델이 가장 많이 놓치던 원거리 사람의 인식률이 약 3.5배(22.5% → 79.8%) 높아졌습니다. 인식할 수 있는 최소 사람 크기는 128px에서 24px로 약 5.3배 작아졌습니다.

가려진 사람까지 포함한 전체 (99,481명)

거리	사람 수	기본 YOLO26s	이 모델	향상
원거리	9,151	0.163	0.605	+0.442
중거리	29,321	0.380	0.661	+0.281
근거리	61,009	0.697	0.710	+0.013
전체	99,481	0.554	0.686	+0.132

세부 크기별 인식률, imgsz 960 결과

세부 크기별 (잘 보이는 사람)

박스 높이	기본 YOLO26s	이 모델
16~20px	0.070	0.556
20~24px	0.097	0.691
24~32px	0.143	0.762
32~40px	0.255	0.848
40~48px	0.308	0.869
48~64px	0.420	0.903
64~96px	0.554	0.931
96~128px	0.671	0.950
128~192px	0.770	0.959
192~256px	0.841	0.966
256px 이상	0.893	0.975

imgsz 960으로 추론했을 때 (잘 보이는 사람)

거리	기본 YOLO26s	이 모델
원거리	0.190	0.776
중거리	0.547	0.933
근거리	0.856	0.970
전체	0.624	0.921

5.3 YOLO26 모델 크기별 현장 영상 비교

실제 현장 CCTV 영상 한 장면에서 이 모델(custom)과 기본 YOLO26 n / s / l / x 모델의 검출 결과 및 처리 속도를 비교하였습니다.

측정 조건: CPU Intel Core Ultra 7 155H (GPU 없음), 입력 크기 640, conf 0.25, person 클래스만 사용, 15초 연속 처리를 2회 반복한 평균값입니다. 이 모델은 YOLO26s를 입력 크기 1280으로 파인튜닝한 모델입니다.

모델별 측정값

모델	파라미터 수	검출 인원	처리 시간 (프레임당)	처리 속도	메모리 사용량
YolPe (custom)	9.9M	4명	152ms	6.7fps	495MB
YOLO26n	2.6M	1명	80ms	12.6fps	399MB
YOLO26s	10.0M	1명	152ms	6.8fps	484MB
YOLO26l	26.3M	4명	702ms	1.6fps	673MB
YOLO26x	59.0M	4명	1020ms	1.0fps	968MB

이 모델 기준 비교

이 모델과 비교 대상	검출 인원	처리 시간	파라미터 수	메모리 사용량
vs YOLO26s (같은 크기)	4배 많음 (1명 → 4명)	같음 (152ms)	같은 수준	같은 수준
vs YOLO26l	같음 (4명)	약 4.6배 빠름 (702ms → 152ms)	약 2.7배 작음	약 1.4배 적음
vs YOLO26x	같음 (4명)	약 6.7배 빠름 (1020ms → 152ms)	약 6.0배 작음	약 2.0배 적음

핵심 성과: 이 모델은 같은 크기의 기본 YOLO26s보다 4배 많은 사람을 같은 속도로 검출하였습니다. 또한 가장 큰 모델인 YOLO26x와 같은 수의 사람을 약 6.7배 빠른 속도, 약 6.0배 적은 파라미터로 검출하였습니다. 이 결과는 GPU 없이 CPU만 사용한 환경에서 측정한 값입니다.

5.4 최대 F1 지점(conf 0.371)에서 보면

F1이 가장 높은 conf는 0.371(F1 0.91)입니다. 이 지점의 Ultralytics 검출 지표(full box 기준)는 다음과 같습니다.

Precision	Recall	F1	mAP50	mAP50-95
0.940	0.884	0.91	0.946	0.660

같은 conf 0.371로 거리별 인식률을 다시 재도 COCO 대비 결과는 거의 같습니다 (잘 보이는 사람, visible box 기준).

거리	기본 YOLO26s	이 모델
원거리	0.212	0.789
중거리	0.542	0.927
근거리	0.845	0.968
전체	0.678	0.935
최소 인식 크기	128px	24px

같은 conf 0.371인데도 위 Recall은 0.884이고, 거리별 방식으로 잰 가려진 사람 포함 전체 recall은 0.683입니다. 차이는 conf가 아니라 정답 박스 기준(full box / visible box)과 매칭 방식 때문입니다.

구간별 원본 수치는 eval/recall_*.json에 있습니다 (conf 0.371 결과는 eval/conf0.371/).

5.5 오탐률 및 미검출률 (오분류표)

참고: 아래 수치는 박람회 현장에서 실측한 값이 아니라, CrowdHuman 검증 데이터셋 기준으로 계산한 값입니다.

학습 종료 시 Ultralytics가 최종 채택 가중치(best.pt, 37 에폭)로 CrowdHuman 검증 데이터(이미지 4,370장, 정답 사람 99,481명)를 평가하여 생성한 오분류표(confusion matrix)입니다.

오분류표

예측 \ 정답	person (사람)	background (사람 아님)
person (사람으로 검출)	90,936 (올바른 검출, TP)	10,132 (오탐, FP)
background (검출 안 됨)	8,545 (미검출, FN)	-

지표

지표	계산	값	의미
재현율 (Recall)	90,936 / 99,481	0.914	실제 사람 100명 중 약 91명을 검출하고, 약 9명을 놓칩니다.
정밀도 (Precision)	90,936 / 101,068	0.900	검출 결과 100개 중 약 90개는 실제 사람입니다.
오탐률 (1 - Precision)	10,132 / 101,068	약 10.0%	검출 결과 100개 중 약 10개는 사람이 아닌 대상을 사람으로 검출한 것입니다.
미검출률 (1 - Recall)	8,545 / 99,481	약 8.6%	실제 사람 100명 중 약 9명을 검출하지 못합니다.
F1		0.907	정밀도와 재현율의 조화 평균

요약 (CrowdHuman 검증 데이터셋 기준): 실제 사람의 **91.4%**를 검출하며, 검출 결과의 **90.0%**가 실제 사람입니다. 오탐률은 약 10.0%, 미검출률은 약 8.6%입니다.

이 오분류표는 Ultralytics가 오분류표 생성 시 사용하는 기준으로 계산되었으므로, 위의 최대 F1 지점(conf 0.371) 지표 및 거리별 인식률(visible box 기준)과는 측정 조건이 다릅니다.

---

6. 한계

• 많이 가려진 사람은 인식의 어려움이 있습니다. 가려진 사람을 포함한 전체 인식률은 0.686이고, 근거리에서는 기본 모델과 거의 차이가 없습니다 (0.697 → 0.710).
• 16px보다 작은 사람은 거의 못 찾습니다 imgsz 1280 기준 (인식률 0.33 이하).
• imgsz 1280으로만 학습했습니다. 960 결과는 같은 가중치를 960으로 추론한 값입니다.

---

7. 라이선스

• 가중치: AGPL-3.0 (Ultralytics YOLO26 라이선스를 따름)
• 학습 데이터 CrowdHuman은 비상업 연구 목적으로만 쓸 수 있습니다. 이 가중치를 쓸 때도 CrowdHuman 이용 조건을 확인하세요.

8. 인용

• CrowdHuman: Shao et al., "CrowdHuman: A Benchmark for Detecting Human in a Crowd", arXiv:1805.00123, 2018
• Ultralytics YOLO26: https://github.com/ultralytics/ultralytics