Objektverfolgung

Objektverfolgung ist ein dynamischer Prozess in der Computervision (CV), bei dem bestimmte Objekte in einem Video identifiziert und ihre Bewegungen über eine Folge von Einzelbildern hinweg verfolgt werden. Im Gegensatz zur statischen Bildanalyse, bei der jedes Einzelbild isoliert betrachtet wird, wird bei der Verfolgung die Dimension Zeit einbezogen. Dadurch können Künstliche-Intelligenz-Systeme (KI) jedem erkannten Objekt – beispielsweise einem Auto, einer Person oder einem Tier – eine eindeutige Identifikationsnummer (ID) zuweisen und diese Identität beibehalten, wenn sich das Objekt bewegt, seine Ausrichtung ändert oder vorübergehend verdeckt wird. Diese Fähigkeit ist der Grundstein für ein fortgeschrittenes Videoverständnis, das es Maschinen ermöglicht, Verhalten zu analysieren, Bewegungsbahnen zu berechnen und aus Rohmaterial umsetzbare Erkenntnisse abzuleiten.

Wie funktioniert Objektverfolgung?

Moderne Tracking-Systeme verwenden im Allgemeinen ein „Tracking-by-Detection“-Paradigma. Dieser Arbeitsablauf kombiniert leistungsstarke Erkennungsmodelle mit speziellen Algorithmen, um Erkennungen über einen bestimmten Zeitraum hinweg zuzuordnen. Der Prozess umfasst in der Regel drei Hauptphasen:

1. Erkennung: In jedem Bild scannt ein Objekterkennungsmodell, wie beispielsweise das hochmoderne YOLO26, das Bild, um Objekte von Interesse zu lokalisieren. Das Modell gibt Begrenzungsrahmen aus, die die räumliche Ausdehnung jedes Objekts definieren.
2. Bewegungsvorhersage: Algorithmen wie der Kalman-Filter schätzen die zukünftige Position eines Objekts auf der Grundlage seiner aktuellen Geschwindigkeit und Flugbahn. Diese Vorhersage reduziert den Suchraum für das nächste Bild und macht das System effizienter.
3. Datenzuordnung: Das System gleicht neue Erkennungen mit vorhandenen Spuren ab, indem es Optimierungsmethoden wie den ungarischen Algorithmus verwendet. Dieser Schritt stützt sich häufig auf Metriken wie Intersection over Union (IoU), um zu messen, wie stark sich ein vorhergesagter Kasten mit einer neuen Erkennung überschneidet. Fortgeschrittene Tracker können auch visuelle Merkmalsextraktion verwenden, um Objekte, die ähnlich aussehen, erneut zu identifizieren.

Objektverfolgung vs. Objekterkennung

Obwohl diese Begriffe eng miteinander verbunden sind, erfüllen sie unterschiedliche Funktionen innerhalb der Pipeline des maschinellen Lernens (ML).

• Die Objekterkennung beantwortet die Frage: „Was ist in diesem Bild vorhanden und wo?“ Sie ist zustandslos, d. h. sie hat keine Erinnerung an vorherige Bilder. Wenn ein Auto durch ein Video fährt, sieht ein Detektor ein „Auto“ in Bild 1 und ein „Auto“ in Bild 2, weiß aber nicht, dass es sich um dasselbe Fahrzeug handelt.
• Die Objektverfolgung beantwortet die Frage: „Wohin bewegt sich dieses bestimmte Objekt?“ Sie ist zustandsbehaftet. Sie verbindet das „Auto“ in Bild 1 mit dem „Auto“ in Bild 2, sodass das System protokollieren kann, dass sich „Auto-ID Nr. 42“ von links nach rechts bewegt. Dies ist für Aufgaben wie vorausschauende Modellierung und Zählung unerlässlich.

Anwendungsfälle in der Praxis

Die Fähigkeit zur Aufrechterhaltung der Objektidentität ermöglicht komplexe Echtzeit-Inferenzanwendungen in verschiedenen Branchen.

• Intelligente Transportsysteme: Die Verfolgung ist für die sichere Navigation autonomer Fahrzeuge von entscheidender Bedeutung. Durch die Verfolgung von Fußgängern und anderen Fahrzeugen können Autos potenzielle Kollisionen vorhersagen. Darüber hinaus nutzen Verkehrsingenieure diese Systeme zur Geschwindigkeitsschätzung, um Sicherheitsvorschriften durchzusetzen und den Verkehrsfluss zu optimieren.
• Einzelhandelsanalyse: Stationäre Geschäfte nutzen KI im Einzelhandel, um das Kundenverhalten zu verstehen. Durch Tracking können Filialleiter Objekte zählen, um die Kundenfrequenz zu messen, die Verweildauer vor den Auslagen mithilfe von Heatmaps analysieren und das Warteschlangenmanagement optimieren, um Wartezeiten zu reduzieren.
• Sportanalyse: Im Profisport verwenden Trainer Tracking in Kombination mit Posenabschätzung, um die Biomechanik der Spieler und die Teamformationen zu analysieren . Diese Daten verschaffen einen Wettbewerbsvorteil, indem sie Muster aufdecken, die mit bloßem Auge nicht erkennbar sind.

Implementierung von Tracking mit Python

Ultralytics es einfach, leistungsstarkes Tracking zu implementieren. Das track Modus in der Bibliothek übernimmt automatisch die Erkennung, Bewegungsvorhersage und ID-Zuweisung. Das folgende Beispiel zeigt, wie man den Ultralytics kompatibles YOLO26-Modell zur track in einem Video.

from ultralytics import YOLO

# Load the official YOLO26n model (nano version for speed)
model = YOLO("yolo26n.pt")

# Track objects in a video file or webcam (source=0)
# 'show=True' displays the video with bounding boxes and unique IDs
results = model.track(source="https://ultralytics.com/images/bus.jpg", show=True)

# Access the unique tracking IDs from the results
if results[0].boxes.id is not None:
    print(f"Detected Track IDs: {results[0].boxes.id.cpu().numpy()}")

Verwandte Konzepte

Um das Ökosystem der Verfolgung vollständig zu verstehen, ist es hilfreich, sich mit der Instanzsegmentierung zu befassen, die die genauen Konturen eines Objekts auf Pixelebene und nicht nur einen Rahmen verfolgt. Darüber hinaus umfassen Multi-Object-Tracking-Herausforderungen (MOT) häufig weit verbreitete Benchmarks wie MOTChallenge, um zu bewerten, wie gut Algorithmen mit überfüllten Szenen und Verdeckungen umgehen können. Für den Einsatz in Produktionsumgebungen verwenden Entwickler häufig Tools wie NVIDIA oder OpenCV , um diese Modelle in effiziente Pipelines zu integrieren.