Ein Leitfaden zur Verfolgung bewegter Objekte in Videos mit Ultralytics YOLO

Ein genauerer Blick auf Computer Vision Tracking Systeme

Die Objektverfolgung ist eine Aufgabe der Computer Vision , die dazu dient, die Bewegung von Objekten über Videobilder hinweg zu verfolgen, damit Systeme überwachen und verstehen können, wie sich Dinge im Laufe der Zeit verändern. Dies ähnelt der Art und Weise, wie Menschen eine sich bewegende Person oder ein Objekt mit ihren Augen verfolgen können, z. B. wenn du ein Tennisspiel ansiehst und deine Augen den Ball verfolgen, während er sich auf dem Platz hin und her bewegt.

Bei der Objektverfolgung werden Kameras und KI eingesetzt, um die Bewegung des Balls in Echtzeit zu verfolgen. Diese Technologie kann den Zuschauern zu Hause ein besseres Verständnis des Spielflusses vermitteln, insbesondere durch Analysen wie Geschwindigkeit, Flugbahn und Spielerpositionierung.

Während diese Art der visuellen Verfolgung für Menschen mühelos erscheinen mag, erfordert sie bei der maschinellen Bildverarbeitung eine Reihe von Schritten, die von Vision AI-Modellen unterstützt werden. Hier ist eine einfache Aufschlüsselung, wie die Objektverfolgung funktioniert: 

• Video aufnehmen: Kameras zeichnen Videomaterial auf und halten fest, wie sich Objekte im Laufe der Zeit durch eine Szene bewegen.
  ‍
• Erkennen von Objekten: KI-gestützte Computer-Vision-Modelle wie YOLO11 können jedes Bild analysieren, um bestimmte Objekte wie Menschen, Fahrzeuge oder Produkte zu identifizieren und zu lokalisieren.
  ‍
• Zuweisung einer Identität: Sobald ein Objekt erkannt wurde, weisen die Tracking-Algorithmen ihm eine eindeutige ID zu, um es über mehrere Frames hinweg zu verfolgen, damit das System weiß, dass es sich um dasselbe Objekt handelt, auch wenn es sich bewegt.
  ‍
• Bewegung überwachen: Das System verfolgt die Bewegung im Laufe der Zeit, und diese Daten können genutzt werden, um Daten wie Geschwindigkeit, Richtung und Interaktionen mit anderen Objekten zu sammeln.
  ‍
• Erkenntnisse generieren: Diese Informationen können in Echtzeit genutzt werden, um Analysen zu erstellen, Entscheidungen zu unterstützen oder visuelle Überlagerungen zu erstellen - je nach Anwendungsfall.

Vergleich von Objekterkennung und -verfolgung mit YOLO

Eine weitere von YOLO11 unterstützte Bildverarbeitungsaufgabe, die eng mit der Objektverfolgung verbunden ist, ist die Objekterkennung. Lasst uns den Unterschied zwischen diesen beiden Aufgaben untersuchen. 

Bei der Objekterkennung geht es darum, Objekte von Interesse in einem einzelnen Bild oder Videobild zu identifizieren und zu lokalisieren. Ein selbstfahrendes Auto nutzt zum Beispiel die Objekterkennung, um ein Stoppschild oder einen Fußgänger in einem Einzelbild zu erkennen, das von den Kameras an Bord aufgenommen wurde. Sie beantwortet die Frage: "Was ist in diesem Bild und wo ist es?" Sie liefert jedoch keine Informationen darüber, wohin das Objekt als Nächstes geht.

Die Objektverfolgung baut auf der Objekterkennung auf, indem sie ein Verständnis für die Bewegung über die Zeit hinzufügt. Der Hauptunterschied zwischen den beiden besteht darin, wie sie mit Zeit und Bewegung umgehen. Bei der Objekterkennung wird jedes Einzelbild als unabhängiger Schnappschuss behandelt, während die Objektverfolgung die Punkte zwischen den Einzelbildern miteinander verbindet und die Daten der Vergangenheit nutzt, um die zukünftige Position eines Objekts vorherzusagen.

Wenn wir beides kombinieren, können wir leistungsstarke KI-Systeme entwickeln, die in der Lage sind, dynamische Umgebungen in Echtzeit zu verfolgen. Ein automatisiertes Sicherheitssystem kann zum Beispiel Personen erkennen, die einen Raum betreten, und ihre Bewegungen kontinuierlich im Bild verfolgen.

Verfolgung in Echtzeit mit Ultralytics YOLO

Nachdem wir nun den Unterschied zwischen Objekterkennung und -verfolgung erläutert haben, schauen wir uns an, wie dieYOLO Ultralytics , wie YOLO11, die Objektverfolgung in Echtzeit unterstützen.

YOLO sind zwar selbst keine Tracking-Algorithmen, aber sie spielen eine wichtige Rolle, indem sie Objekte in jedem Videobild erkennen. Sobald die Objekte erkannt sind, werden Tracking-Algorithmen benötigt, um ihnen eindeutige IDs zuzuweisen, damit das System ihre Bewegung von Bild zu Bild verfolgen kann. 

Um diesen Bedarf zu decken, integriert das Ultralytics Python die Objekterkennung nahtlos mit beliebten Tracking-Algorithmen wie BoT-SORT und ByteTrack. Diese Integration ermöglicht es den Nutzern, die Erkennung und Verfolgung mit minimaler Einrichtung gemeinsam durchzuführen.

Wenn du YOLO für die Objektverfolgung verwendest, kannst du je nach den Anforderungen deiner Anwendung wählen, welchen Verfolgungsalgorithmus du anwenden möchtest. BoT-SORT ist zum Beispiel eine gute Option für die Verfolgung von Objekten, die sich unvorhersehbar bewegen, da es Bewegungsvorhersagen und Deep Learning nutzt. ByteTrack hingegen funktioniert besonders gut in belebten Szenen und verfolgt Objekte auch dann noch zuverlässig, wenn sie unscharf oder teilweise verdeckt sind.

‍

Wie hängt das Training des benutzerdefinierten YOLO mit der Objektverfolgung zusammen?

Beim benutzerdefinierten Training wird ein vorab trainiertes Objekterkennungsmodell wie YOLO11 auf einen bestimmten Datensatz abgestimmt, damit es Objekte erkennen kann, die nicht in den Standarddatensätzen enthalten sind. Das ist besonders wichtig, wenn dein Tracking-System spezielle oder ungewöhnliche Objekte verfolgen muss.

Verfolgungssysteme verlassen sich darauf, dass das Erkennungsmodell das Objekt zuerst erkennt. Wenn ein YOLO ein bestimmtes Objekt nicht erkennen kann, z. B. einen bestimmten Maschinentyp oder eine bestimmte Tierart, kann der Verfolgungsalgorithmus dem Objekt nicht folgen.

Deshalb ist ein individuelles Training so wichtig: Es stellt sicher, dass das Erkennungsmodell die Objekte, die du verfolgen willst, genau identifizieren kann.

Es ist auch wichtig zu wissen, dass nur das Erkennungsmodell während dieses Prozesses fein abgestimmt wird. Die Verfolgungsalgorithmen wie BoT-SORT oder ByteTrack werden nicht speziell trainiert - sie verwenden einfach die Ergebnisse des YOLO , um den erkannten Objekten über die Frames hinweg zu folgen.

Anwendungen der Objektverfolgung mit Ultralytics YOLO

Nachdem wir nun besser verstanden haben, was Objektverfolgung ist und wie sie funktioniert, wollen wir uns einige reale Anwendungen ansehen, bei denen diese Technologie zum Einsatz kommt.

Echtzeit-Tracking mit Ultralytics YOLO zur Geschwindigkeitsschätzung

Systeme zur Schätzung der Geschwindigkeit, die durch Computer Vision ermöglicht werden, hängen von Aufgaben wie der Objekterkennung und -verfolgung ab. Diese Systeme sollen berechnen, wie schnell sich ein Objekt bewegt - egal ob es sich um ein Fahrzeug, einen Radfahrer oder eine Person handelt. Diese Informationen sind für eine Vielzahl von Anwendungen wichtig, vom Verkehrsmanagement über die Sicherheitsüberwachung bis hin zur industriellen Automatisierung.

Mit einem Modell wie Ultralytics YOLO11 können Objekte über Videobilder hinweg erkannt und verfolgt werden. Indem es analysiert, wie weit sich ein Objekt innerhalb eines bestimmten Zeitraums bewegt, kann das System seine Geschwindigkeit einschätzen. 

‍

Erforschung der Objektverfolgung in der Fertigung

Produktionsprozesse können schnelllebig und hochkomplex sein, sodass es schwierig ist, jeden produzierten Artikel manuell zu verfolgen. Die Objektverfolgung bietet eine gute Lösung, um die Überwachung der Produkte auf ihrem Weg durch die einzelnen Produktionsstufen zu automatisieren. Sie kann Fabriken dabei helfen, ein hohes Maß an Genauigkeit und Effizienz aufrechtzuerhalten, ohne die Abläufe zu verlangsamen.

Ob es darum geht, Produkte auf einem Förderband zu zählen, Defekte zu erkennen oder die ordnungsgemäße Montage zu überprüfen - die Objektverfolgung sorgt für Transparenz und Kontrolle bei Aufgaben, die sonst zeitaufwändig oder fehleranfällig wären. Besonders wichtig ist diese Technologie in Branchen mit hohem Produktionsvolumen wie der Lebensmittel-, Elektronik- und Verpackungsindustrie, wo Geschwindigkeit und Präzision entscheidend sind.

‍

Ein Überblick über die Objektverfolgung in der Einzelhandelsanalytik

Jeden Tag gehen unzählige Kunden in Einzelhandelsgeschäften ein und aus, und ihr Verhalten zu verstehen ist der Schlüssel zur Verbesserung des Kundenerlebnisses und der Unternehmensleistung. Die Objektverfolgung ermöglicht es Einzelhändlern, den Fußverkehr zu überwachen, die Verweildauer zu messen und die Bewegungsmuster zu analysieren - und das alles ohne invasive oder manuelle Methoden.

Durch die Verfolgung von Personen beim Betreten, Verlassen und Bewegen durch den Laden können Unternehmen Einblicke in Stoßzeiten, beliebte Bereiche und sogar die Länge von Warteschlangen gewinnen. Diese Erkenntnisse können als Grundlage für Entscheidungen über die Personalbesetzung, das Ladenlayout und die Platzierung des Inventars dienen, was letztendlich zu einem effizienteren Betrieb und höheren Umsätzen führt.

‍

Vor- und Nachteile der Objektverfolgung

Von Einzelhandelsgeschäften bis hin zu Fabrikhallen wird die Objektverfolgung in allen möglichen Branchen eingesetzt, um Faktoren wie Effizienz, Sicherheit und das Gesamterlebnis zu verbessern. Hier sind einige der wichtigsten Vorteile, die Objektverfolgung in verschiedenen Branchen bringen kann:

• Ermöglicht Echtzeit-Warnungen: Systeme mit integrierter Objektverfolgung können so konfiguriert werden, dass sie automatisch Alarme auslösen, wenn etwas Ungewöhnliches entdeckt wird, z. B. wenn eine Person einen gesperrten Bereich betritt oder eine Lieferung zu lange an einem Ort bleibt.
  ‍
• Integrierbar mit anderen Systemen: Objektverfolgungsdaten können mit anderen Technologien wie Gesichtserkennung, Wärmekameras oder Inventarsystemen kombiniert werden, um noch mehr Einblicke zu erhalten.
  ‍
• Langfristig kosteneffizient: Auch wenn die anfängliche Einrichtung Investitionen erfordert, reduziert die automatisierte Nachverfolgung den Bedarf an manueller Arbeit, senkt die Fehlerquote und senkt mit der Zeit die Betriebskosten.

Während diese Vorteile deutlich machen, wie positiv sich die Objektverfolgung auf verschiedene Anwendungsfälle auswirkt, ist es auch wichtig, die Herausforderungen bei ihrer Umsetzung zu berücksichtigen. Werfen wir einen genaueren Blick auf einige Einschränkungen der Objektverfolgung:

• Schwierigkeit in überfüllten Umgebungen: In belebten Umgebungen wie Konzerten, Einkaufszentren oder Straßen können Tracking-Systeme Schwierigkeiten haben, zwischen nahe beieinander stehenden Personen oder Objekten zu unterscheiden, was zu Verwirrung oder ungenauen Ergebnissen führt.

• Empfindlich gegenüber Umgebungsbedingungen: Schlechte Beleuchtung, Nebel, schnelle Bewegungen oder Verwacklungen der Kamera können die Fähigkeit des Systems beeinträchtigen, Objekte genau zu verfolgen, vor allem im Freien oder in unkontrollierten Umgebungen.

• Datenschutz und rechtliche Bedenken: Der unsachgemäße Umgang mit persönlichen Daten, die fehlende Zustimmung der Nutzer/innen oder die Überwachung im öffentlichen Raum können ethische Fragen aufwerfen und zur Nichteinhaltung von Datenschutzgesetzen führen.

Die wichtigsten Erkenntnisse

Die Objektverfolgung ist eine Aufgabe der Computer Vision, mit der Maschinen die Bewegung von Objekten im Laufe der Zeit verfolgen können. Es wird in einer Vielzahl von realen Szenarien eingesetzt - von der Schätzung der Fahrzeuggeschwindigkeit über das Zählen von Produkten auf einem Fließband bis hin zur Analyse von Spielerbewegungen im Sport.

Mit Vision-KI-Modellen wie YOLO11 und Tracking-Algorithmen wie BoT-SORT und ByteTrack ist die Objektverfolgung in verschiedenen Branchen schneller, intelligenter und leichter zugänglich geworden. Die Weiterentwicklung der Objektverfolgungstechnologie trägt dazu bei, dass die Systeme intelligenter, effizienter und reaktionsschneller werden - Bild für Bild.

Willst du mehr über Computer Vision und KI erfahren? Erkunde unser GitHub-Repository, tausche dich mit unserer Community aus und sieh dir unsere Lizenzierungsoptionen an, um dein Computer-Vision-Projekt zu starten. Wenn du dich für Innovationen wie KI in der Fertigung und Computer Vision in der Automobilindustrie interessierst, besuche unsere Lösungsseiten, um mehr zu erfahren.