20. November 2024
Sehen Sie sich mit uns an, wie Ultralytics YOLO11 für die Objektverfolgung in Echtzeitanwendungen wie Überwachung, Landwirtschaft und Fertigung eingesetzt werden kann.
Nehmen wir an, Sie möchten die Bewegung von Komponenten auf einem Fließband in einer Fertigungsanlage überwachen und track , um die Qualitätskontrolle zu gewährleisten und die Effizienz des Arbeitsablaufs zu verbessern. Normalerweise würde dies manuelle Inspektionen oder die Verwendung einfacher Sensoren zur track Objekten erfordern, was zeitaufwändig und fehleranfällig sein kann. Mit Hilfe von Computer Vision und Objektverfolgung lässt sich dieser Prozess jedoch automatisieren und verbessern.
Bei der Objektverfolgung handelt es sich um eine Computer-Vision-Aufgabe, die dabei hilft, Objekte in einem Video detect, zu identifizieren und zu track . Es kann für eine Vielzahl von Anwendungen eingesetzt werden, von der Tierüberwachung auf Bauernhöfen bis hin zur Sicherheit und Überwachung in Einzelhandelsgeschäften. Die in einem Video verfolgten Objekte werden in der Regel mithilfe von Begrenzungsrahmen (Bounding Boxes) visualisiert, damit der Benutzer genau sehen kann, wo sie sich im Videobild befinden und erkannt werden.
Sie wurde während der jährlichen Hybrid-VeranstaltungUltralytics, YOLO Vision 2024 (YV24), vorgestellt, Ultralytics YOLO11 ist ein Computer-Vision-Modell, das eine Vielzahl von Vision AI -Aufgaben bewältigen kann, einschließlich der Objektverfolgung. In diesem Artikel erfahren Sie, wie die Objektverfolgung funktioniert und wie sie in der Praxis eingesetzt wird. Wir werden auch einen Blick darauf werfen, wie Sie die Objektverfolgung mit YOLO11. Fangen wir an!
Die Objektverfolgung ist eine wichtige Technik der Computer Vision. Sie ermöglicht es, Objekte in einem Video zu identifizieren und über einen längeren Zeitraum zu verfolgen. Die Objektverfolgung kann einer anderen Bildverarbeitungsaufgabe - der Objekterkennung- sehr ähnlich sein. Der Hauptunterschied zwischen den beiden Verfahren liegt in der Art und Weise, wie sie mit Videobildern umgehen. Bei der Objekterkennung wird jedes Bild einzeln betrachtet, um Objekte zu identifizieren und zu klassifizieren, ohne vorherige oder zukünftige Bilder zu berücksichtigen. Bei der Objektverfolgung hingegen werden die Punkte zwischen den Einzelbildern miteinander verbunden, indem dieselben Objekte über einen längeren Zeitraum verfolgt und ihre Bewegungen track werden.
Hier ist eine detailliertere Beschreibung der Funktionsweise der Objektverfolgung:
Ultralytics unterstützt die Objektverfolgung in Echtzeit, indem es fortschrittliche Verfolgungsalgorithmen wie BoT-SORT und ByteTrack einsetzt. Es arbeitet außerdem nahtlos mit YOLO11 zur Segmentierung und Posenschätzung und ist damit ein flexibles Werkzeug für eine Vielzahl von Tracking-Aufgaben.
Die vielseitigen Fähigkeiten des YOLO11 Ultralytics eröffnen eine breite Palette von Anwendungsmöglichkeiten in vielen Branchen. Werfen wir einen genaueren Blick auf einige Anwendungsfälle YOLO11 .
Die Objektverfolgung ist entscheidend, um selbstfahrenden Autos zu helfen, sicher und effizient zu fahren. Diese Fahrzeuge müssen ihre Umgebung ständig verstehen, um Echtzeitentscheidungen zu treffen, wie z. B. Anhalten, Abbiegen oder Spurwechsel. Die Objekterkennung ermöglicht es dem Auto, Schlüsselelemente in seiner Umgebung zu identifizieren, wie z. B. Fußgänger, Radfahrer, andere Fahrzeuge und Verkehrsschilder. Es reicht jedoch nicht aus, diese Objekte in einem einzigen Moment zu erkennen, um sicher zu navigieren.
Hier kommt die Objektverfolgung ins Spiel. Sie ermöglicht es dem Auto, diese Objekte im Laufe der Zeit zu verfolgen und ihre Bewegungen über mehrere Frames hinweg zu verfolgen. Zum Beispiel hilft sie autonomen Fahrzeugen, vorherzusagen, wohin ein Fußgänger geht, die Geschwindigkeit und Richtung von Fahrzeugen in der Nähe zu überwachen oder zu erkennen, dass eine Ampel nicht umgeschaltet hat. Durch die Kombination von Erkennung und Verfolgung können selbstfahrende Autos die Bewegung von Objekten um sie herum antizipieren, proaktiv reagieren und sicher und reibungslos fahren.
Das Tracking von Tieren auf einem Bauernhof, wie z. B. Rindern, ist entscheidend für ein effektives Management, kann aber eine mühsame und zeitaufwändige Aufgabe sein. Traditionelle Methoden, wie z. B. der Einsatz von Sensoren oder Markierungen, haben oft Nachteile. Diese Geräte können die Tiere bei der Anbringung stressen und fallen leicht ab oder werden beschädigt, was die Verfolgung unterbricht.
Die computergestützte Bildverarbeitung bietet den Landwirten eine bessere Lösung für die Überwachung und track Tieren, ohne dass physische Markierungen erforderlich sind. Die Objektverfolgung kann den Landwirten wertvolle Einblicke in das Verhalten und die Gesundheit der Tiere geben. So lassen sich beispielsweise Lahmheiten detect , die sich auf die Art und Weise auswirken, wie ein Tier läuft. Mithilfe der Objektverfolgung können Landwirte subtile Veränderungen in der Bewegung erkennen und Gesundheitsprobleme frühzeitig angehen.
Über die Gesundheitsüberwachung hinaus kann Computer Vision Landwirten auch helfen, andere Verhaltensweisen zu verstehen, wie z. B. soziale Interaktionen, Essgewohnheiten und Bewegungsmuster. Diese Erkenntnisse können die Herdenhaltung verbessern, Fütterungspläne optimieren und das allgemeine Wohlbefinden der Tiere fördern. Durch die Reduzierung manueller Arbeit und die Minimierung von Stress für die Tiere ist die Computer Vision-basierte Verfolgung ein praktisches und effizientes Werkzeug für die moderne Landwirtschaft.
Die Objektverfolgung hat viele Anwendungsfälle im Fertigungssektor. So können beispielsweise Objekterkennungs- und -verfolgungssysteme Produktionslinien überwachen. Produkte oder Rohstoffe können leicht verfolgt und gezählt werden, während sie sich auf einem Förderband bewegen. Diese Systeme können auch mit anderen Computer Vision-Systemen integriert werden, um zusätzliche Aufgaben auszuführen. So kann beispielsweise ein Artikel mit einem Defekt mithilfe eines Fehlererkennungssystems identifiziert und mithilfe der Objektverfolgung verfolgt werden, um sicherzustellen, dass er ordnungsgemäß behandelt wird.
Eine weitere wichtige Anwendung der Objektverfolgung in der Fertigung betrifft die Sicherheit. Objektverfolgungssysteme können eingesetzt werden, um Arbeiter in potenziell gefährlichen Produktionsumgebungen detect und track . Gefährliche Bereiche können mit Hilfe von Computer-Vision-Systemen markiert und ständig überwacht werden, und die Aufsichtspersonen können benachrichtigt werden, wenn sich die (verfolgten) Arbeiter solchen Bereichen nähern. Solche Sicherheitssysteme können auch zur detect und track von Ausrüstungen eingesetzt werden, um Diebstähle zu verhindern .
Die Objektverfolgung in Echtzeit ist in Sicherheits- und Überwachungssystemen weit verbreitet. Diese Systeme können zur Überwachung öffentlicher Plätze, Verkehrsknotenpunkte und großer Einzelhandelsumgebungen wie Einkaufszentren eingesetzt werden. In großen, überfüllten Bereichen kann diese Technologie eingesetzt werden, um verdächtige Personen oder das Verhalten von Menschenmengen track und so eine nahtlose Überwachungslösung zu schaffen. Während der Pandemie wurden beispielsweise Objektverfolgungssysteme eingesetzt, um überfüllte Bereiche track und sicherzustellen, dass die Menschen den sozialen Abstand wahren.
Die Objektverfolgung kann auch bei der Verkehrsüberwachung eingesetzt werden. Die Objektverfolgung ermöglicht es, das Verhalten von Fahrzeugen track und zu analysieren und ungewöhnliche oder verdächtige Aktionen in Echtzeit zu erkennen, um Unfälle oder Verbrechen zu verhindern. Ein gutes Beispiel sind Systeme zur Geschwindigkeitsschätzung. Sie können ein Fahrzeug detect und track , um seine Geschwindigkeit zu bestimmen.
Nachdem wir nun einige Anwendungen für die Objektverfolgung erkundet haben, wollen wir nun besprechen, wie Sie sie mit dem Ultralytics YOLO11 ausprobieren können.
Um loszulegen, installieren Sie das Ultralytics Python mit pip, conda oder Docker. Wenn Sie während der Installation auf Probleme stoßen, finden Sie in unserem Leitfaden für häufige Probleme hilfreiche Tipps zur Fehlerbehebung.
Sobald Sie das Paket erfolgreich installiert haben, führen Sie den folgenden Code aus. Er beschreibt, wie das Ultralytics YOLO11 geladen und zum track von Objekten in einer Videodatei verwendet wird. Das im Code verwendete Modell ist "yolo11n.pt". Das 'n' steht für Nano - die kleinste Variante des YOLO11 . Es gibt auch andere Modellvarianten zur Auswahl - klein, mittel, groß und extragroß.
Sie können auch ein benutzerdefiniert trainiertes Modell anstelle eines vortrainierten Modells verwenden. Das benutzerdefinierte Training umfasst das Fine-Tuning eines vortrainierten Modells, um es an Ihre spezifische Anwendung anzupassen.
Wie bereits erwähnt, wird die Objektverfolgung für die folgenden YOLO11 unterstützt: Objekterkennung, Posenschätzung und Instanzsegmentierung. Wenn Sie eine spezielle Anwendung haben, die Verfolgung beinhaltet, können Sie jedes dieser Modelle je nach Anwendung individuell trainieren. Sie können ein Modell mithilfe des Ultralytics Python oder der codefreien Plattform Ultralytics HUB individuell trainieren.
Ultralytics YOLO11 ist ein großartiges Werkzeug zur Verfolgung von Objekten in Videos und kann in vielen verschiedenen Bereichen eingesetzt werden, z. B. in selbstfahrenden Autos, in der Landwirtschaft, in der Fertigung und im Sicherheitsbereich. Es kann Objekte in Echtzeit detect und verfolgen und so Unternehmen und Branchen dabei helfen, ihre Mitarbeiter und Geräte im track . Das Modell ist einfach zu bedienen und kann an spezifische Bedürfnisse angepasst werden, was es zu einer guten Option für alle macht, die an einer nahtlosen Übernahme von Computer-Vision-Funktionen interessiert sind.
Um mehr zu erfahren, besuchen Sie unser GitHub-Repository und treten Sie mit unserer Community in Kontakt. Entdecken Sie KI-Anwendungen in selbstfahrenden Autos und der Landwirtschaft auf unseren Lösungsseiten. 🚀
