Object Tracking

Lerne, wie Objekt-Tracking in der Computer-Vision funktioniert. Entdecke, wie du Ultralytics YOLO26 verwendest, um Objekte mit eindeutigen IDs für Echtzeit-Analysen zu identifizieren und zu überwachen.

Das Objekterkennung ist ein dynamischer Prozess in der computer vision (CV), bei dem bestimmte Entitäten in einem Video identifiziert und ihre Bewegung über eine Sequenz von Frames hinweg überwacht wird. Im Gegensatz zur statischen Bildanalyse, die jeden Schnappschuss isoliert betrachtet, führt die Verfolgung die Dimension der Zeit ein. Dies ermöglicht es Systemen der artificial intelligence (AI), jedem erkannten Element – wie einem Auto, einer Person oder einem Tier – eine eindeutige Identifikationsnummer (ID) zuzuweisen und diese Identität beizubehalten, während sich das Objekt bewegt, seine Ausrichtung ändert oder vorübergehend verdeckt wird. Diese Fähigkeit ist der Grundstein für ein fortgeschrittenes video understanding, das es Maschinen ermöglicht, Verhalten zu analysieren, Trajektorien zu berechnen und umsetzbare Erkenntnisse aus Rohmaterial abzuleiten.

Wie Objekt-Tracking funktioniert#

Moderne Tracking-Systeme nutzen in der Regel ein "Tracking-by-Detection"-Paradigma. Dieser Workflow kombiniert leistungsstarke Detektionsmodelle mit spezialisierten Algorithmen, um Erkennungen im Zeitverlauf zuzuordnen. Der Prozess folgt typischerweise drei Hauptphasen:

Erkennung: In jedem Frame scannt ein object detection-Modell, wie das hochmoderne YOLO26, das Bild, um Objekte von Interesse zu lokalisieren. Das Modell gibt bounding boxes aus, die die räumliche Ausdehnung jedes Objekts definieren.
Bewegungsvorhersage: Algorithmen wie der Kalman Filter schätzen die zukünftige Position eines Objekts basierend auf seiner aktuellen Geschwindigkeit und Trajektorie ab. Diese Vorhersage verkleinert den Suchbereich für den nächsten Frame und macht das System effizienter.
Datenassoziation: Das System gleicht neue Erkennungen mithilfe von Optimierungsmethoden wie dem Hungarian algorithm mit bestehenden Tracks ab. Dieser Schritt stützt sich häufig auf Metriken wie den Intersection over Union (IoU), um zu messen, wie stark sich eine vorhergesagte Box mit einer neuen Erkennung überschneidet. Fortgeschrittene Tracker können auch visuelle feature extraction nutzen, um ähnlich aussehende Objekte wiederzuerkennen.

Objekt-Tracking vs. Objektdetektion#

Obwohl diese Begriffe eng miteinander verwandt sind, erfüllen sie unterschiedliche Funktionen innerhalb der machine learning (ML)-Pipeline.

Objektdetektion beantwortet die Frage: "Was ist in diesem Bild vorhanden und wo?" Sie ist zustandslos, was bedeutet, dass sie kein Gedächtnis an vorherige Frames hat. Wenn ein Auto durch ein Video fährt, sieht ein Detektor ein "Auto" in Frame 1 und ein "Auto" in Frame 2, weiß aber nicht, dass es sich um dasselbe Fahrzeug handelt.
Objektverfolgung beantwortet die Frage: „Wohin bewegt sich dieses spezifische Objekt?“ Sie ist zustandsbasiert. Sie verknüpft das „Auto“ in Frame 1 mit dem „Auto“ in Frame 2, sodass das System protokollieren kann, dass sich „Auto ID #42“ von links nach rechts bewegt. Dies ist unerlässlich für Aufgaben wie predictive modeling und das Zählen.

Praxisanwendungen#

Die Fähigkeit, die Identität von Objekten aufrechtzuerhalten, ermöglicht komplexe real-time inference-Anwendungen in verschiedenen Branchen.

Intelligente Transportsysteme: Die Verfolgung ist für autonomous vehicles von entscheidender Bedeutung, um sicher zu navigieren. Durch das Verfolgen von Fußgängern und anderen Fahrzeugen können Autos potenzielle Kollisionen vorhersagen. Darüber hinaus nutzen Verkehrsingenieure diese Systeme zur speed estimation, um Sicherheitsvorschriften durchzusetzen und den Verkehrsfluss zu optimieren.
Retail-Analytik: Stationäre Geschäfte nutzen AI in retail, um das Kundenverhalten zu verstehen. Die Verfolgung ermöglicht es Filialleitern, object counting durchzuführen, um den Fußgängerverkehr zu messen, Verweildauern vor Displays mithilfe von heatmaps zu analysieren und das queue management zur Reduzierung von Wartezeiten zu optimieren.
Sportanalyse: Im Profisport nutzen Trainer die Verfolgung in Kombination mit der pose estimation, um die Biomechanik von Spielern und Teamformationen zu analysieren. Diese Daten verschaffen einen Wettbewerbsvorteil, indem sie Muster aufdecken, die für das bloße Auge unsichtbar sind.

Tracking mit Python implementieren#

Ultralytics macht die Implementierung von Hochleistungs-Tracking einfach. Der track-Modus in der Bibliothek verarbeitet Erkennung, Bewegungsvorhersage und ID-Zuweisung automatisch. Das folgende Beispiel zeigt, wie du das mit der Ultralytics Platform kompatible YOLO26-Modell verwendest, um Objekte in einem Video zu verfolgen.

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()}")