So setzt du Ultralytics YOLO11 für die Objektverfolgung ein

Angenommen, du möchtest die Bewegung von Komponenten an einer Montagelinie in einer Fertigungsanlage überwachen und verfolgen, um die Qualitätskontrolle sicherzustellen und die Effizienz der Arbeitsabläufe zu verbessern. In der Regel würde dies manuelle Inspektionen oder den Einsatz einfacher Sensoren zur Verfolgung der Objekte erfordern, was zeitaufwendig und fehleranfällig sein kann. Mit Computer Vision und Objektverfolgung lässt sich dieser Prozess jedoch automatisieren und verbessern.

Objektverfolgung ist eine Computer-Vision-Aufgabe, die dabei hilft, Objekte in einem Video zu erkennen, zu identifizieren und zu verfolgen. Sie kann für eine Vielzahl von Anwendungen eingesetzt werden – von der Überwachung von Tieren auf Bauernhöfen bis hin zu Sicherheit und Überwachung in Einzelhandelsgeschäften. Die in einem Video verfolgten Objekte werden in der Regel mithilfe von Begrenzungsrahmen visualisiert, damit der Benutzer genau sehen kann, wo sie sich im Videobild befinden und erkannt werden.

Ultralytics’ jährlichem hybriden Event YOLO Vision 2024 (YV24) vorgestellt, ist Ultralytics YOLO11 ein Computer-Vision-Modell, das eine Vielzahl von Vision-KI-Aufgaben bewältigen kann, darunter Objektverfolgung. In diesem Artikel erfährst du, wie Objektverfolgung funktioniert, und lernst Anwendungen aus der Praxis kennen. Außerdem zeigen wir dir, wie du die Objektverfolgung mit YOLO11 ausprobieren kannst. Legen wir los!

Abb. 1. Beispiel für den Einsatz von Ultralytics YOLO11 zur Objektverfolgung in einem Einzelhandelsgeschäft.

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 Zeitraum hinweg zu verfolgen. Objektverfolgung kann einer anderen Computer-Vision-Aufgabe – der Objekterkennung – sehr ähnlich erscheinen. Der entscheidende Unterschied liegt in der Verarbeitung der Videobilder. Die Objekterkennung betrachtet jedes Bild einzeln und identifiziert und klassifiziert Objekte, ohne vorherige oder zukünftige Bilder zu berücksichtigen. Die Objektverfolgung hingegen verbindet die Bilder miteinander, verfolgt dieselben Objekte über einen Zeitraum hinweg und zeichnet ihre Bewegungen auf.

Hier findest du eine ausführlichere Erklärung, wie Objektverfolgung funktioniert:

• Objekterkennung: Der Prozess beginnt mit der Erkennung von Objekten in einem einzelnen Videobild. Mit YOLO11 lassen sich mehrere Objekte und ihre Positionen präzise identifizieren.
• Eindeutige IDs zuweisen: Jedes erkannte Objekt erhält eine eindeutige ID, um es von anderen zu unterscheiden und die Verfolgung zu erleichtern.
• Bewegung verfolgen über mehrere Bilder hinweg: Ein Verfolgungsalgorithmus verfolgt die Objekte in den folgenden Bildern und aktualisiert ihre Positionen, während die Zuordnung zu ihren eindeutigen IDs erhalten bleibt.
• Verdeckungen behandeln: Wenn ein Objekt vorübergehend aus dem Sichtfeld verschwindet (z. B. weil es von einem anderen Objekt verdeckt wird), stellt das System sicher, dass die Verfolgung fortgesetzt wird, sobald das Objekt wieder erscheint.
• Objektinformationen aktualisieren: Während sich Objekte bewegen, werden ihre Positionen und Attribute (z. B. Geschwindigkeit oder Richtung) kontinuierlich aktualisiert, um Veränderungen im Zeitverlauf abzubilden.

Ultralytics unterstützt die Objektverfolgung in Echtzeit und nutzt dafür fortschrittliche Verfolgungsalgorithmen wie BoT-SORT und ByteTrack. Die Lösung funktioniert außerdem nahtlos mit Segmentierungs- und Posenschätzungsmodellen YOLO11 und ist damit ein flexibles Werkzeug für verschiedenste Verfolgungsaufgaben.

Anwendungen der Objektverfolgung mit Ultralytics YOLO11#

Die vielseitigen Fähigkeiten 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 betrieben werden können. Diese Fahrzeuge müssen ihre Umgebung ständig erfassen, um in Echtzeit Entscheidungen zu treffen, etwa anzuhalten, abzubiegen oder die Spur zu wechseln. Die Objekterkennung ermöglicht es dem Auto, wichtige Elemente seiner Umgebung zu identifizieren, beispielsweise Fußgänger, Radfahrer, andere Fahrzeuge und Verkehrsschilder. Für eine sichere Navigation reicht es jedoch nicht aus, diese Objekte nur in einem einzigen Moment zu erkennen.

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

Abb. 2. Ultralytics YOLO11 kann zur Erkennung und Verfolgung von Autos eingesetzt werden.

Mit der Objektverfolgung von Ultralytics YOLO11 Tiere überwachen#

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

Computer Vision bietet Landwirten eine bessere Lösung, um Tiere ohne physische Markierungen zu überwachen und zu verfolgen. Die Objektverfolgung kann Landwirten wertvolle Einblicke in das Verhalten und die Gesundheit der Tiere geben. Sie kann beispielsweise dabei helfen, Erkrankungen wie Lahmheit zu erkennen, die das Gangbild eines Tieres beeinträchtigen. Mit Objektverfolgung können Landwirte subtile Bewegungsveränderungen erkennen und Gesundheitsprobleme frühzeitig behandeln.

Neben der Gesundheitsüberwachung kann Computer Vision Landwirten auch dabei helfen, andere Verhaltensweisen wie soziale Interaktionen, Fressgewohnheiten und Bewegungsmuster zu verstehen. Diese Erkenntnisse können das Herdenmanagement verbessern, Fütterungspläne optimieren und das allgemeine Wohlbefinden der Tiere fördern. Durch die Verringerung des manuellen Aufwands und die Minimierung des Stresses für die Tiere ist die auf Computer Vision basierende Verfolgung ein praktisches und effizientes Werkzeug für die moderne Landwirtschaft.

Abb. 3. Mit Ultralytics YOLO11 Landwirte und eine Kuh verfolgen.

Objektverfolgung in der Fertigung mit Ultralytics YOLO11#

Objektverfolgung bietet zahlreiche Anwendungsmöglichkeiten im Fertigungssektor. So können Systeme zur Objekterkennung und -verfolgung Produktionslinien überwachen. Produkte oder Rohstoffe lassen sich während der Bewegung auf einem Förderband einfach verfolgen und zählen. Diese Systeme können außerdem in andere Computer-Vision-Systeme integriert werden, um zusätzliche Aufgaben auszuführen. Beispielsweise kann ein fehlerhaftes Produkt mit einem System zur Fehlererkennung identifiziert und per Objektverfolgung verfolgt werden, um sicherzustellen, dass es ordnungsgemäß behandelt wird.

Eine weitere wichtige Anwendung der Objektverfolgung in der Fertigung betrifft die Sicherheit. Systeme zur Objektverfolgung können eingesetzt werden, um Mitarbeiter in potenziell gefährlichen Fertigungsumgebungen zu erkennen und zu verfolgen. Gefahrenbereiche können mithilfe von Computer-Vision-Systemen markiert und kontinuierlich überwacht werden. Vorgesetzte können benachrichtigt werden, wenn sich (verfolgte) Mitarbeiter solchen Bereichen nähern. Solche Sicherheitssysteme können auch zur Erkennung und Verfolgung von Ausrüstung eingesetzt werden, um Diebstahl zu verhindern.

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

Objektverfolgung und Überwachung mit Ultralytics YOLO11#

Die Objektverfolgung in Echtzeit wird häufig in Sicherheits- und Überwachungssystemen eingesetzt. Diese Systeme können zur Überwachung öffentlicher Orte, von Verkehrsknotenpunkten und großer Einzelhandelsumgebungen wie Einkaufszentren verwendet werden. In großen, stark besuchten Bereichen kann diese Technologie verdächtige Personen oder das Verhalten von Menschenmengen verfolgen und so eine nahtlose Überwachung ermöglichen. Während der Pandemie wurden Systeme zur Objektverfolgung beispielsweise eingesetzt, um überfüllte Bereiche zu überwachen und sicherzustellen, dass die Menschen den Sicherheitsabstand einhielten.

Objektverfolgung kann auch in der 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 kann mithilfe der Objektverfolgung geschätzt werden.

Objektverfolgung mit Ultralytics YOLO11 ausprobieren#

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

Um zu beginnen, installiere das Ultralytics-Python-Paket mit pip, conda oder Docker. Falls bei der Installation Probleme auftreten, bietet unser Leitfaden zu häufigen Problemen hilfreiche Tipps zur Fehlerbehebung.

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. Das im Code verwendete Modell ist „yolo11n.pt“. Das „n“ steht für Nano – die kleinste Variante des YOLO11-Modells. Außerdem stehen die Modellvarianten small, medium, large und extra-large zur Auswahl.

Abb. 6. Ein Codeausschnitt, der die Objektverfolgung mit dem Ultralytics-YOLO11-Modell demonstriert.

Du kannst statt eines vortrainierten Modells auch ein benutzerdefiniert trainiertes Modell verwenden. Beim benutzerdefinierten Training wird ein vortrainiertes Modell durch Feinabstimmung an deine spezifische Anwendung angepasst.

Wie bereits erwähnt, wird Objektverfolgung für die folgenden YOLO11-Modelle unterstützt: Objekterkennung, Posenschätzung und Instanzsegmentierung. Wenn du eine bestimmte Anwendung mit Verfolgung hast, kannst du je nach Anwendungsfall jedes dieser Modelle individuell trainieren. Du kannst ein Modell mit dem Ultralytics-Python-Paket oder der No-Code-Plattform Ultralytics HUB trainieren.

Wichtige Erkenntnisse#

Ultralytics YOLO11 ist ein leistungsfähiges Werkzeug zur Verfolgung von Objekten in Videos und kann in vielen verschiedenen Bereichen eingesetzt werden, etwa bei selbstfahrenden Autos, in der Landwirtschaft, der Fertigung und im Sicherheitsbereich. Das Modell kann Objekte in Echtzeit erkennen und verfolgen und hilft Unternehmen und Branchen dabei, ihre Mitarbeiter und Ausrüstung im Blick zu behalten. Es ist einfach zu verwenden und lässt sich an spezifische Anforderungen anpassen, sodass es eine gute Option für alle ist, die Computer-Vision-Funktionen nahtlos einsetzen möchten.

Weitere Informationen findest du in unserem GitHub-Repository. Du kannst dich außerdem an unserer Community beteiligen. Entdecke AI-Anwendungen in selbstfahrenden Autos und der Landwirtschaft auf unseren Lösungsseiten. 🚀