Guía para seguir objetos en movimiento en vídeos con modelos Ultralytics YOLO

Los robots capaces de ensamblar componentes eléctricos, los sistemas que detectan coches que exceden la velocidad y las soluciones inteligentes para el comercio minorista que siguen los hábitos de compra de los clientes: todas estas innovaciones se basan en la visión artificial. Es una rama de la inteligencia artificial (AI) que ayuda a las máquinas a analizar y comprender imágenes y vídeos.

Por ejemplo, un robot necesita reconocer y seguir distintas piezas para ensamblarlas correctamente. Del mismo modo, un sistema de tráfico puede utilizar la visión artificial para detectar coches, leer matrículas y determinar cuándo alguien supera el límite de velocidad. Mientras tanto, en las tiendas, la IA visual puede ayudar a seguir qué miran o qué cogen los clientes e incluso controlar el inventario.

Estas aplicaciones se basan en modelos de visión artificial como Ultralytics YOLO11, que admiten una amplia variedad de tareas visuales. Muchas de estas tareas se centran en obtener información de una sola imagen, pero hay una especialmente interesante, el seguimiento de objetos, que permite seguir el movimiento de los objetos a través de una serie de imágenes o fotogramas de vídeo.

Fig. 1. Un ejemplo de detección y seguimiento de coches.

En esta guía analizaremos en detalle cómo funciona el seguimiento de objetos y veremos ejemplos reales de su uso. También explicaremos cómo los modelos de IA visual, como Ultralytics YOLO11, permiten realizar el seguimiento de objetos.

Un análisis más detallado de los sistemas de seguimiento de visión artificial#

El seguimiento de objetos es una tarea de visión artificial que permite seguir el movimiento de objetos a través de los fotogramas de un vídeo y ayuda a los sistemas a supervisar y comprender cómo cambian las cosas con el tiempo. Es muy parecido a cómo las personas siguen de forma natural con la mirada a una persona u objeto en movimiento, como cuando ves un partido de tenis y tus ojos siguen la pelota mientras se desplaza de un lado a otro de la pista.

De forma similar, el seguimiento de objetos utiliza cámaras e IA para seguir en tiempo real el movimiento de la pelota. Esta tecnología puede ayudar a quienes ven el partido desde casa a comprender mejor el desarrollo del juego, especialmente mediante análisis de la velocidad, la trayectoria y la posición de los jugadores.

Aunque este tipo de seguimiento visual pueda parecer sencillo para las personas, en la visión artificial implica una serie de pasos impulsados por modelos de IA visual. A continuación se explica de forma sencilla cómo funciona el seguimiento de objetos:

• Captura de vídeo: Las cámaras graban vídeo y capturan cómo se mueven los objetos por una escena a lo largo del tiempo.
• Detección de objetos: Los modelos de visión artificial basados en IA, como YOLO11, pueden analizar cada fotograma para identificar y localizar objetos concretos, como personas, vehículos o productos.
• Asignación de identidad: Una vez detectado un objeto, los algoritmos de seguimiento le asignan un ID único para seguirlo en varios fotogramas y garantizar que el sistema sepa que se trata del mismo objeto aunque se mueva.
• Supervisión del movimiento: El sistema sigue el movimiento a lo largo del tiempo y estos datos pueden utilizarse para recopilar información como la velocidad, la dirección y las interacciones con otros objetos.
• Generación de información útil: Esta información puede utilizarse en tiempo real para proporcionar análisis, ayudar en la toma de decisiones o generar superposiciones visuales, según el caso de uso concreto.

Comparación de la detección y el seguimiento de objetos con YOLO#

Otra tarea de visión artificial compatible con Ultralytics YOLO11 y estrechamente relacionada con el seguimiento de objetos es la detección de objetos. Veamos en qué se diferencian estas dos tareas.

La detección de objetos consiste en identificar y localizar los objetos de interés en una imagen o un fotograma de vídeo. Por ejemplo, un coche autónomo utiliza la detección de objetos para reconocer una señal de stop o a un peatón en un único fotograma capturado por las cámaras de a bordo. Responde a la pregunta: «¿Qué hay en esta imagen y dónde está?». Sin embargo, no proporciona información sobre adónde irá después el objeto.

El seguimiento de objetos amplía la detección de objetos al incorporar la comprensión del movimiento a lo largo del tiempo. La diferencia clave entre ambos es cómo gestionan el tiempo y el movimiento. La detección de objetos trata cada fotograma como una instantánea independiente, mientras que el seguimiento de objetos conecta los puntos entre fotogramas y utiliza datos anteriores para predecir la posición futura de un objeto.

Al combinar ambos, podemos crear potentes sistemas de IA visual capaces de realizar un seguimiento en tiempo real en entornos dinámicos. Por ejemplo, un sistema de seguridad automatizado puede detectar a las personas que entran en un espacio y seguir continuamente sus movimientos por el fotograma.

Seguimiento en tiempo real con modelos Ultralytics YOLO#

Ahora que hemos explicado la diferencia entre la detección y el seguimiento de objetos, veamos cómo los modelos Ultralytics YOLO, como YOLO11, permiten realizar el seguimiento de objetos en tiempo real.

Aunque los modelos YOLO no son algoritmos de seguimiento en sí mismos, desempeñan un papel esencial al detectar objetos en cada fotograma del vídeo. Una vez detectados los objetos, se necesitan algoritmos de seguimiento para asignarles IDs únicos y permitir que el sistema siga su movimiento de un fotograma a otro.

Para responder a esta necesidad, el paquete de Python de Ultralytics integra la detección de objetos con algoritmos de seguimiento populares como BoT-SORT y ByteTrack. Esta integración permite a los usuarios realizar la detección y el seguimiento conjuntamente con una configuración mínima.

Al utilizar modelos YOLO para el seguimiento de objetos, puedes elegir el algoritmo de seguimiento que quieres aplicar en función de los requisitos de tu aplicación. Por ejemplo, BoT-SORT es una buena opción para seguir objetos que se mueven de forma impredecible, gracias al uso de la predicción del movimiento y el aprendizaje profundo. ByteTrack, por su parte, funciona especialmente bien en escenas concurridas y mantiene un seguimiento fiable incluso cuando los objetos están borrosos o parcialmente ocultos.

Fig. 2. El paquete de Python de Ultralytics integra BoT-SORT y ByteTrack.

¿Qué relación hay entre el entrenamiento de modelos YOLO personalizados y el seguimiento de objetos?#

El entrenamiento personalizado consiste en ajustar un modelo de detección de objetos preentrenado, como Ultralytics YOLO11, con un conjunto de datos específico para que pueda reconocer objetos que no están incluidos en los conjuntos de datos estándar. Esto es especialmente importante cuando el sistema de seguimiento necesita seguir objetos personalizados o poco comunes.

Los sistemas de seguimiento dependen del modelo de detección para reconocer primero el objeto. Si un modelo YOLO no puede detectar un elemento concreto, como un tipo específico de maquinaria o una especie de fauna silvestre, el algoritmo de seguimiento no podrá seguirlo.

Por eso es esencial el entrenamiento personalizado: garantiza que el modelo de detección pueda identificar con precisión los objetos que quieres seguir.

También es importante tener en cuenta que durante este proceso solo se ajusta el modelo de detección. Los algoritmos de seguimiento, como BoT-SORT o ByteTrack, no se entrenan de forma personalizada; simplemente utilizan los resultados del modelo YOLO para seguir los objetos detectados entre fotogramas.

Aplicaciones del seguimiento de objetos con Ultralytics YOLO#

Ahora que entendemos mejor qué es el seguimiento de objetos y cómo funciona, veamos algunas aplicaciones reales en las que esta tecnología está teniendo un impacto.

Seguimiento en tiempo real con Ultralytics YOLO para estimar la velocidad#

Los sistemas de estimación de velocidad basados en visión artificial dependen de tareas como la detección y el seguimiento de objetos. Estos sistemas están diseñados para calcular la velocidad a la que se mueve un objeto, ya sea un vehículo, un ciclista o incluso una persona. Esta información es crucial para diversas aplicaciones, desde la gestión del tráfico hasta la supervisión de la seguridad y la automatización industrial.

Con un modelo como Ultralytics YOLO11, se pueden detectar y seguir objetos a través de los fotogramas de vídeo. Al analizar la distancia que recorre un objeto durante un periodo determinado, el sistema puede estimar su velocidad.

Fig. 3. Uso de la compatibilidad de YOLO11 con el seguimiento de objetos para estimar la velocidad.

El seguimiento de objetos en la fabricación#

Los procesos de fabricación pueden ser rápidos y muy complejos, lo que dificulta el seguimiento manual de cada artículo producido. El seguimiento de objetos ofrece una buena solución para automatizar la supervisión de los productos a medida que pasan por cada fase de producción. Puede ayudar a las fábricas a mantener altos niveles de precisión y eficiencia sin ralentizar el proceso.

Desde contar productos en una cinta transportadora hasta detectar defectos o verificar que el montaje se haya realizado correctamente, el seguimiento de objetos aporta visibilidad y control a tareas que, de otro modo, requerirían mucho tiempo o serían propensas a errores. Esta tecnología tiene un impacto especialmente importante en sectores con grandes volúmenes de producción, como el procesamiento de alimentos, la electrónica y el envasado, donde la rapidez y la precisión son fundamentales.

Fig. 4. Ejemplo de seguimiento y recuento de productos alimentarios en una cadena de montaje con Ultralytics YOLO11.

Introducción al seguimiento de objetos en el análisis del comercio minorista#

Cada día, innumerables clientes entran y salen de las tiendas minoristas, y entender su comportamiento es clave para mejorar tanto la experiencia del cliente como el rendimiento del negocio. El seguimiento de objetos permite a los comercios supervisar el tránsito de clientes, medir el tiempo de permanencia y analizar los patrones de movimiento, sin necesidad de métodos invasivos ni manuales.

Al seguir a las personas cuando entran, salen y se desplazan por la tienda, las empresas pueden obtener información sobre las horas punta, las zonas más populares e incluso la longitud de las colas. Estos datos pueden orientar las decisiones sobre la asignación de personal, la distribución de la tienda y la ubicación del inventario, lo que en última instancia permite operar con más eficiencia y aumentar las ventas.

Fig. 5. Uso de las capacidades de seguimiento de objetos de Ultralytics YOLO11 para supervisar a las personas que entran y salen de una tienda.

Ventajas e inconvenientes del seguimiento de objetos#

Desde las tiendas minoristas hasta las fábricas, el seguimiento de objetos se utiliza en todo tipo de sectores para mejorar aspectos como la eficiencia, la seguridad y la experiencia general. Estas son algunas de las principales ventajas que el seguimiento de objetos puede aportar a distintos sectores:

• Permite enviar alertas en tiempo real: Los sistemas con seguimiento de objetos integrado pueden configurarse para activar alertas automáticamente cuando se detecta algo inusual, como una persona que entra en una zona restringida o una entrega que permanece demasiado tiempo en el mismo lugar.
• Se integra con otros sistemas: Los datos de seguimiento de objetos se pueden combinar con otras tecnologías, como el reconocimiento facial, las cámaras térmicas o los sistemas de inventario, para obtener información más completa.
• Rentable a largo plazo: Aunque la configuración inicial puede requerir una inversión, el seguimiento automatizado reduce la necesidad de mano de obra, disminuye los índices de error y recorta los costes operativos con el tiempo.

Aunque estas ventajas ponen de manifiesto el impacto positivo del seguimiento de objetos en distintos casos de uso, también es importante tener en cuenta los retos que plantea su implementación. Veamos más de cerca algunas de sus limitaciones:

• Dificultades en entornos concurridos: En lugares muy concurridos, como conciertos, centros comerciales o calles de ciudad, los sistemas de seguimiento pueden tener dificultades para distinguir a personas u objetos que están muy cerca, lo que puede provocar confusiones o resultados imprecisos.
• Sensibilidad a las condiciones ambientales: La mala iluminación, la niebla, el movimiento rápido o las vibraciones de la cámara pueden afectar a la capacidad del sistema para seguir objetos con precisión, especialmente en entornos exteriores o no controlados.
• Cuestiones de privacidad y legales: El tratamiento inadecuado de datos personales, la falta de consentimiento de los usuarios o la vigilancia en espacios públicos pueden plantear problemas éticos y dar lugar al incumplimiento de las leyes de privacidad.

Conclusiones clave#

El seguimiento de objetos es una tarea de visión artificial que permite a las máquinas seguir el movimiento de los objetos a lo largo del tiempo. Se utiliza en numerosos escenarios del mundo real, desde estimar la velocidad de los vehículos y contar productos en una cadena de montaje hasta analizar los movimientos de los jugadores en el deporte.

Gracias a los modelos de IA visual, como Ultralytics YOLO11, y a algoritmos de seguimiento como BoT-SORT y ByteTrack, el seguimiento de objetos es ahora más rápido, inteligente y accesible en distintos sectores. A medida que evoluciona la tecnología de seguimiento de objetos, ayuda a que los sistemas sean más inteligentes, eficientes y receptivos, fotograma a fotograma.

¿Quieres saber más sobre visión artificial e IA? Explora nuestro repositorio de GitHub, únete a nuestra comunidad y consulta nuestras opciones de licencia para poner en marcha tu proyecto de visión artificial. Si te interesan innovaciones como la IA en la fabricación y la visión artificial en el sector de la automoción, visita nuestras páginas de soluciones para descubrir más.