So verwendest du Ultralytics YOLO11 zur Objektverfolgung

Angenommen, du möchtest in einer Fertigungsanlage die Bewegung von Bauteilen an einer Montagelinie überwachen und verfolgen, um die Qualitätskontrolle sicherzustellen und die Effizienz der Arbeitsabläufe zu steigern. Üblicherweise wären dafür manuelle Prüfungen oder einfache Sensoren nötig, um die Teile zu verfolgen. Das kann zeitaufwendig und fehleranfällig sein. Mit Computer Vision und Objektverfolgung lässt sich dieser Prozess jedoch automatisieren und verbessern.

Objektverfolgung ist eine Computer-Vision-Aufgabe, mit der sich Objekte in einem Video erkennen, identifizieren und verfolgen lassen. Sie eignet sich für zahlreiche Anwendungen – von der Tierüberwachung auf Bauernhöfen bis hin zu Sicherheit und Überwachung in Einzelhandelsgeschäften. Die verfolgten Objekte werden in einem Video in der Regel mit Begrenzungsrahmen dargestellt, damit Nutzer genau sehen können, wo sie sich im Videobild befinden und erkannt wurden.

Ultralytics YOLO11 wurde auf der jährlichen hybriden Veranstaltung von Ultralytics, YOLO Vision 2024 (YV24), vorgestellt. Das Ultralytics YOLO11 ist ein Computer-Vision-Modell, das viele verschiedene Aufgaben im Bereich Vision-KI bewältigen kann, darunter auch Objektverfolgung. (YOLO11 wurde inzwischen durch Ultralytics YOLO26 abgelöst.) In diesem Artikel erklären wir, wie Objektverfolgung funktioniert, und zeigen Anwendungen aus der Praxis. Außerdem sehen wir uns an, wie du Objektverfolgung mit YOLO11 ausprobieren kannst. Los geht’s!

Abb. 1. Beispiel für die Objektverfolgung in einem Einzelhandelsgeschäft mit Ultralytics YOLO11.

KI-gestützte Objektverfolgung mit Ultralytics YOLO11#

Objektverfolgung ist eine wichtige Computer-Vision-Technik. Sie ermöglicht es, Objekte in einem Video zu identifizieren und über einen längeren Zeitraum zu verfolgen. Objektverfolgung kann einer anderen Computer-Vision-Aufgabe sehr ähnlich erscheinen: der Objekterkennung. Der entscheidende Unterschied liegt darin, wie die beiden Aufgaben Videobilder verarbeiten. Bei der Objekterkennung wird jedes Bild einzeln betrachtet und Objekte werden erkannt und klassifiziert, ohne vorherige oder nachfolgende Bilder zu berücksichtigen. Die Objektverfolgung hingegen verbindet die einzelnen Bilder miteinander, verfolgt dieselben Objekte über die Zeit und hält ihre Bewegungen fest.

Hier folgt eine genauere Erläuterung der Funktionsweise der Objektverfolgung:

• Objekterkennung: Zunächst werden Objekte in einem einzelnen Videobild erkannt. Mit YOLO11 lassen sich mehrere Objekte und ihre Positionen genau bestimmen.
• Eindeutige IDs zuweisen: Jedes erkannte Objekt erhält eine eindeutige ID, damit es von anderen Objekten unterschieden und leichter verfolgt werden kann.
• Bewegung über mehrere Bilder hinweg verfolgen: Ein Tracking-Algorithmus verfolgt die Objekte in den nachfolgenden Bildern und aktualisiert ihre Positionen, während er sie weiterhin ihren eindeutigen IDs zuordnet.
• Okklusionen behandeln: Verschwindet ein Objekt vorübergehend aus dem Blickfeld (z. B. weil ein anderes Objekt es verdeckt), versucht der Tracker, es nach seinem Wiederauftauchen mit derselben ID weiterzuverfolgen.
• Objektinformationen aktualisieren: Während sich Objekte bewegen, werden ihre Positionen und Eigenschaften, etwa Geschwindigkeit oder Richtung, fortlaufend aktualisiert, um Veränderungen im Zeitverlauf abzubilden.

Ultralytics unterstützt die Echtzeit-Objektverfolgung mit Tracking-Algorithmen wie BoT-SORT und ByteTrack. Die Lösung funktioniert außerdem mit YOLO11-Modellen für Segmentierung und Posenschätzung und ist damit flexibel für viele Tracking-Aufgaben einsetzbar.

Anwendungen der Objektverfolgung mit Ultralytics YOLO11#

Die vielseitigen Funktionen des Ultralytics-YOLO11-Modells eröffnen zahlreiche Anwendungsmöglichkeiten in vielen Branchen. Sehen wir uns einige Anwendungsfälle für die Objektverfolgung mit YOLO11 genauer an.

Ultralytics YOLO11 zur Verfolgung autonomer Fahrzeuge#

Objektverfolgung ist entscheidend für den sicheren und effizienten Betrieb selbstfahrender Autos. Diese Fahrzeuge müssen ihre Umgebung ständig erfassen, um in Echtzeit Entscheidungen zu treffen, etwa anzuhalten, abzubiegen oder die Spur zu wechseln. Mithilfe der Objekterkennung kann das Auto wichtige Elemente seiner Umgebung erkennen, darunter Fußgänger, Radfahrer, andere Fahrzeuge und Verkehrsschilder. Für eine sichere Navigation reicht es jedoch nicht aus, diese Objekte nur in einem einzelnen Moment zu erkennen.

Hier kommt die Objektverfolgung ins Spiel. Sie ermöglicht es dem Auto, diese Objekte über einen längeren Zeitraum zu verfolgen und ihre Bewegungen über mehrere Bilder hinweg nachzuverfolgen. So hilft sie beispielsweise autonomen Fahrzeugen dabei, vorherzusagen, wohin sich ein Fußgänger bewegt, die Geschwindigkeit und Richtung nahegelegener Fahrzeuge zu überwachen oder zu erkennen, dass eine Ampel nicht umgeschaltet hat. Durch die Kombination von Erkennung und Verfolgung können selbstfahrende Autos die Bewegungen von Objekten in ihrer Umgebung vorhersehen, vorausschauend reagieren und sicher und reibungslos fahren.

Abb. 2. Mit Ultralytics YOLO11 lassen sich Autos erkennen und verfolgen.

Tiere mit der Objektverfolgung von Ultralytics YOLO11 überwachen#

Tiere auf einem Bauernhof zu verfolgen, etwa Rinder, ist für eine effektive Bewirtschaftung unerlässlich. Diese Aufgabe kann jedoch mühsam und zeitaufwendig sein. Herkömmliche Methoden, beispielsweise der Einsatz von Sensoren oder Markierungen, haben oft Nachteile. Die Geräte können die Tiere beim Anbringen stressen und leicht abfallen oder beschädigt werden, wodurch die Verfolgung beeinträchtigt wird.

Computer Vision bietet Landwirten eine bessere Möglichkeit, Tiere ohne physische Markierungen zu überwachen und zu verfolgen. Die Objektverfolgung kann wertvolle Einblicke in das Verhalten und die Gesundheit der Tiere liefern. So lassen sich beispielsweise Erkrankungen wie Lahmheit erkennen, die den Gang eines Tieres beeinträchtigen. Mit Objektverfolgung können Landwirte subtile Bewegungsänderungen erkennen und gesundheitliche Probleme frühzeitig angehen.

Neben der Gesundheitsüberwachung kann Computer Vision Landwirten auch dabei helfen, weitere Verhaltensweisen zu verstehen, etwa soziale Interaktionen, Fressgewohnheiten und Bewegungsmuster. Diese Erkenntnisse können die Herdenverwaltung verbessern, Fütterungspläne optimieren und das allgemeine Wohlbefinden der Tiere fördern. Durch weniger manuelle Arbeit und eine geringere Belastung der Tiere ist die auf Computer Vision gestützte Verfolgung ein praktisches und effizientes Werkzeug für die moderne Landwirtschaft.

Abb. 3. Landwirtinnen und Landwirte sowie eine Kuh mit Ultralytics YOLO11 verfolgen.

Objektverfolgung in der Fertigung mit Ultralytics YOLO11#

Objektverfolgung hat viele Anwendungsmöglichkeiten in der Fertigungsbranche. So können Objekterkennungs- und Verfolgungssysteme beispielsweise Produktionslinien überwachen. Produkte oder Rohstoffe lassen sich einfach verfolgen und zählen, während sie sich auf einem Förderband bewegen. Diese Systeme können auch in andere Computer-Vision-Systeme integriert werden, um zusätzliche Aufgaben auszuführen. Ein fehlerhaftes Teil kann beispielsweise mithilfe eines Systems zur Fehlererkennung identifiziert und anschließend mit Objektverfolgung nachverfolgt werden, damit es ordnungsgemäß bearbeitet wird.

Eine weitere wichtige Anwendung der Objektverfolgung in der Fertigung betrifft die Sicherheit. Mit Objektverfolgungssystemen lassen sich Mitarbeitende in potenziell gefährlichen Fertigungsumgebungen erkennen und verfolgen. Gefahrenbereiche können mithilfe von Computer-Vision-Systemen markiert und ständig überwacht werden. Vorgesetzte können benachrichtigt werden, wenn sich verfolgte Mitarbeitende solchen Bereichen nähern. Mit solchen Sicherheitssystemen lassen sich auch Geräte erkennen und verfolgen, wodurch das Diebstahlrisiko sinkt.

Abb. 4. Beispiel für den Einsatz der Objekterkennung mit YOLO11 zur Erkennung von Beschäftigten.

Objektverfolgung und Überwachung mit Ultralytics YOLO11#

Echtzeit-Objektverfolgung wird häufig in Sicherheits- und Überwachungssystemen eingesetzt. Damit lassen sich öffentliche Orte, Verkehrsknotenpunkte und große Einzelhandelsflächen wie Einkaufszentren überwachen. In großen, stark frequentierten Bereichen kann die Technologie verdächtige Personen oder das Verhalten von Menschenmengen verfolgen und so eine kontinuierliche Überwachung ermöglichen. Während der Pandemie wurden Objektverfolgungssysteme beispielsweise eingesetzt, um stark besuchte Bereiche zu überwachen und sicherzustellen, dass die Menschen den vorgeschriebenen Abstand einhielten.

Objektverfolgung kann auch zur Verkehrsüberwachung eingesetzt werden. Sie ermöglicht es, das Verhalten von Fahrzeugen zu verfolgen und zu analysieren sowie ungewöhnliche oder verdächtige Handlungen in Echtzeit zu erkennen, um Unfälle oder Straftaten zu verhindern. Ein gutes Beispiel sind Systeme zur Geschwindigkeitsschätzung. Sie können ein Fahrzeug erkennen und verfolgen, um seine Geschwindigkeit zu bestimmen.

Abb. 5. Die Geschwindigkeit lässt sich mithilfe der Objektverfolgung schätzen.

Objektverfolgung mit Ultralytics YOLO11 ausprobieren#

Nachdem wir einige Anwendungsbereiche der Objektverfolgung betrachtet haben, sehen wir uns nun an, wie du sie mit dem Ultralytics-YOLO11-Modell und dem Tracking-Modus ausprobieren kannst.

Installiere zunächst das Ultralytics-Python-Paket mit pip, conda oder Docker. Falls bei der Installation Probleme auftreten, findest du hilfreiche Tipps zur Fehlerbehebung in unserem Leitfaden zu häufigen Problemen.

Führe nach erfolgreicher Installation des Pakets den folgenden Code aus. Er zeigt, wie du das Ultralytics-YOLO11-Modell lädst und damit Objekte in einer Videodatei verfolgst. Im Code wird das Modell „yolo11n.pt“ verwendet. Das „n“ steht für Nano, die kleinste Variante des YOLO11-Modells. Außerdem stehen weitere Modellvarianten zur Auswahl: small, medium, large und extra-large.

Abb. 6. Codebeispiel zur Objektverfolgung mit dem Ultralytics YOLO11-Modell.

Du kannst statt eines vortrainierten Modells auch ein benutzerdefiniert trainiertes Modell verwenden. Beim benutzerdefinierten Training wird ein vortrainiertes Modell auf deine konkrete Anwendung feinabgestimmt.

Wie bereits erwähnt, wird Objektverfolgung für folgende YOLO11-Modelle unterstützt: Objekterkennung, Posenschätzung und Instanzsegmentierung. Wenn du eine konkrete Anwendung für die Objektverfolgung hast, kannst du je nach Bedarf jedes dieser Modelle benutzerdefiniert trainieren. Das geht mit dem Ultralytics-Python-Paket oder der No-Code-Plattform Ultralytics HUB (jetzt Ultralytics Platform).

Die wichtigsten Erkenntnisse#

Ultralytics YOLO11 eignet sich hervorragend zur Objektverfolgung in Videos und lässt sich in vielen Bereichen einsetzen, etwa bei selbstfahrenden Autos, in der Landwirtschaft, der Fertigung und der Sicherheit. Das Modell kann Objekte in Echtzeit erkennen und verfolgen und Unternehmen und Branchen dabei helfen, Mitarbeitende und Geräte im Blick zu behalten. Es ist einfach zu verwenden und lässt sich an bestimmte Anforderungen anpassen. Damit ist es eine gute Wahl für alle, die Computer Vision einsetzen möchten.

Weitere Informationen findest du in unserem GitHub-Repository. Tausche dich mit unserer Community aus und entdecke auf unseren Lösungsseiten KI-Anwendungen für selbstfahrende Autos und die Landwirtschaft.