So verwendest du Ultralytics YOLO11 zur Objektverfolgung

Stell dir vor, du möchtest die Bewegung von Bauteilen an einem Fließband in einer Fertigungs-anlage überwachen und verfolgen, um die Qualitätskontrolle sicherzustellen und die Effizienz der Arbeitsabläufe zu steigern. Üblicherweise wären dafür manuelle Kontrollen 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 Objekte in einem Video erkannt, identifiziert und verfolgt werden können. Sie lässt sich vielfältig einsetzen – von der Tierüberwachung auf Bauernhöfen bis hin zu Sicherheit und Überwachung in Einzelhandelsgeschäften. Die verfolgten Objekte werden in einem Video üblicherweise mithilfe von Begrenzungsrahmen visualisiert, damit du genau sehen kannst, wo sie sich im Videobild befinden und erkannt werden.

Ultralytics YOLO11 wurde auf der jährlichen hybriden Veranstaltung von Ultralytics, YOLO Vision 2024 (YV24), vorgestellt. Das Computer-Vision-Modell kann eine Vielzahl von Vision-KI-Aufgaben bewältigen, darunter Objektverfolgung. In diesem Artikel erklären wir, wie Objektverfolgung funktioniert, und stellen praktische Anwendungen vor. Außerdem zeigen wir dir, wie du die 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 Verfahren Videobilder verarbeiten. Bei der Objekterkennung wird jedes Bild einzeln betrachtet. Objekte werden identifiziert und klassifiziert, ohne vorherige oder nachfolgende Bilder zu berücksichtigen. Die Objektverfolgung hingegen verbindet die einzelnen Bilder miteinander, verfolgt dieselben Objekte über die Zeit und zeichnet ihre Bewegungen auf.

Hier erfährst du genauer, wie Objektverfolgung funktioniert:

• Objekterkennung: Zunächst werden Objekte in einem einzelnen Videobild erkannt. Mit YOLO11 lassen sich mehrere Objekte und ihre Positionen präzise bestimmen.
• Eindeutige IDs zuweisen: Jedes erkannte Objekt erhält eine eindeutige ID, damit es von anderen Objekten unterschieden und leichter verfolgt werden kann.
• Bewegungen verfolgen – über mehrere Bilder hinweg: Ein Tracking-Algorithmus verfolgt die Objekte in den nachfolgenden Bildern, aktualisiert ihre Positionen und ordnet sie weiterhin ihren eindeutigen IDs zu.
• Okklusionen behandeln: Verschwindet ein Objekt vorübergehend aus dem Blickfeld, etwa weil ein anderes Objekt es verdeckt, stellt das System sicher, dass die Verfolgung fortgesetzt wird, sobald das Objekt wieder sichtbar ist.
• 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 Objektverfolgung in Echtzeit und nutzt dafür fortschrittliche Tracking-Algorithmen wie BoT-SORT und ByteTrack. Die Algorithmen funktionieren auch nahtlos mit Segmentierungs- und Posenschätzungs-YOLO11-Modellen. Dadurch eignen sie sich flexibel für ein breites Spektrum von Tracking-Aufgaben.

Anwendungen der Objektverfolgung mit Ultralytics YOLO11#

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

Ultralytics YOLO11 zur Verfolgung autonomer Fahrzeuge#

Objektverfolgung ist entscheidend dafür, dass selbstfahrende Autos sicher und effizient unterwegs sind. Diese Fahrzeuge müssen ihre Umgebung ständig erfassen, um Entscheidungen in Echtzeit zu treffen, beispielsweise anzuhalten, abzubiegen oder die Spur zu wechseln. Mit Objekterkennung kann das Auto wichtige Elemente seiner Umgebung identifizieren, darunter Fußgängerinnen und Fußgänger, Radfahrende, andere Fahrzeuge und Verkehrsschilder. Für eine sichere Navigation reicht es jedoch nicht aus, diese Objekte nur zu einem einzelnen Zeitpunkt zu erkennen.

Hier kommt die Objektverfolgung ins Spiel. Sie ermöglicht es dem Auto, Objekte über einen längeren Zeitraum zu verfolgen und ihre Bewegungen über mehrere Videobilder hinweg nachzuverfolgen. So hilft sie beispielsweise dabei, vorherzusagen, wohin sich eine Fußgängerin oder ein Fußgänger bewegt, die Geschwindigkeit und Richtung benachbarter Fahrzeuge zu überwachen oder zu erkennen, dass eine Ampel noch nicht umgeschaltet hat. Durch die Kombination von Erkennung und Verfolgung können autonome Fahrzeuge die Bewegungen von Objekten in ihrer Umgebung vorhersehen, vorausschauend reagieren und sicher sowie 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 Landwirtinnen und Landwirten eine bessere Lösung, um Tiere ohne physische Markierungen zu überwachen und zu verfolgen. Die Objektverfolgung liefert Landwirtinnen und Landwirten wertvolle Einblicke in das Verhalten und die Gesundheit der Tiere. So lassen sich beispielsweise Erkrankungen wie Lahmheit erkennen, die den Gang eines Tieres beeinträchtigen. Mit Objektverfolgung können Landwirtinnen und Landwirte subtile Veränderungen in der Bewegung bemerken und gesundheitliche Probleme frühzeitig angehen.

Neben der Gesundheitsüberwachung kann Computer Vision Landwirtinnen und Landwirten auch dabei helfen, weitere Verhaltensweisen zu verstehen, etwa soziale Interaktionen, Fressgewohnheiten und Bewegungsmuster. Diese Erkenntnisse können die Herdenhaltung verbessern, Fütterungszeiten optimieren und das allgemeine Wohlbefinden der Tiere fördern. Indem die auf Computer Vision basierende Verfolgung manuelle Arbeit verringert und den Stress für die Tiere minimiert, ist sie 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 bietet viele Anwendungsmöglichkeiten in der Fertigung. Beispielsweise können Systeme zur Objekterkennung und -verfolgung Produktionslinien überwachen. Produkte und Rohstoffe lassen sich während des Transports auf einem Förderband leicht verfolgen und zählen. Diese Systeme können auch in andere Computer-Vision-Systeme integriert werden, um zusätzliche Aufgaben auszuführen. So kann ein fehlerhaftes Teil mithilfe eines Systems zur Fehlererkennung identifiziert und anschließend durch Objektverfolgung nachverfolgt werden, damit es ordnungsgemäß behandelt wird.

Eine weitere wichtige Anwendung der Objektverfolgung in der Fertigung betrifft die Sicherheit. Mit Objektverfolgungssystemen können Beschäftigte in potenziell gefährlichen Fertigungsumgebungen erkannt und verfolgt werden. Gefahrenbereiche lassen sich mithilfe von Computer-Vision-Systemen markieren und kontinuierlich überwachen. Vorgesetzte können benachrichtigt werden, wenn sich verfolgte Beschäftigte solchen Bereichen nähern. Solche Sicherheitssysteme können auch Geräte erkennen und verfolgen und so Diebstahl verhindern.

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

Objektverfolgung und Überwachung mit Ultralytics YOLO11#

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

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

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

Objektverfolgung mit Ultralytics YOLO11 ausprobieren#

Nachdem wir einige Anwendungsbereiche der Objektverfolgung kennengelernt haben, sehen wir uns an, wie du sie mit dem Ultralytics YOLO11-Modell ausprobieren kannst.

Um loszulegen, installiere das Ultralytics-Python-Paket mit pip, conda oder Docker. Solltest du bei der Installation auf Probleme stoßen, findest du hilfreiche Tipps zur Fehlerbehebung in unserem Leitfaden zu häufigen Problemen.

Sobald du das Paket erfolgreich installiert hast, führe 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 feinabgestimmt, damit es für deine spezifische Anwendung geeignet ist.

Wie bereits erwähnt, wird die Objektverfolgung für die folgenden YOLO11-Modelle unterstützt: Objekterkennung, Posenschätzung und Instanzsegmentierung. Wenn du eine spezifische Anwendung für die Objektverfolgung hast, kannst du je nach Anwendungsfall eines dieser Modelle benutzerdefiniert trainieren. Das Modell lässt sich mit dem Ultralytics-Python-Paket oder der No-Code-Plattform Ultralytics HUB benutzerdefiniert trainieren.

Die wichtigsten Erkenntnisse#

Ultralytics YOLO11 ist ein leistungsstarkes Werkzeug zur Verfolgung von Objekten 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 sowie Branchen dabei helfen, Beschäftigte und Ausrüstung im Blick zu behalten. Es ist einfach zu bedienen und lässt sich an spezifische Anforderungen anpassen. Damit eignet es sich für alle, die Computer-Vision-Funktionen nahtlos einsetzen möchten.

Weitere Informationen findest du in unserem GitHub-Repository und in unserer Community. Entdecke auf unseren Lösungsseiten KI-Anwendungen für selbstfahrende Autos und die Landwirtschaft. 🚀