Una guía sobre el seguimiento de objetos en movimiento en vídeos con los modelos de Ultralytics YOLO

Los robots que pueden ensamblar piezas eléctricas, los sistemas que detectan coches que superan el límite de velocidad y las soluciones comerciales inteligentes que rastrean cómo compran los clientes: todas estas innovaciones dependen de la visión artificial. Es una rama de la inteligencia artificial (IA) que ayuda a las máquinas a analizar y comprender imágenes y vídeos.

Por ejemplo, un robot necesita reconocer y seguir diferentes piezas para montarlas correctamente. Del mismo modo, un sistema de tráfico puede usar visión artificial para detectar coches, leer matrículas y calcular cuándo alguien supera la velocidad permitida. Mientras tanto, en las tiendas, la IA de visión puede ayudar a rastrear lo que los clientes miran o cogen, e incluso controlar el inventario.

Dichas aplicaciones funcionan gracias a modelos de visión artificial como Ultralytics YOLO11, que admiten una amplia gama de tareas visuales. Muchas de estas tareas se centran en obtener información de una sola imagen, pero una tarea particularmente interesante, el seguimiento de objetos, puede utilizarse para seguir el movimiento de 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, veremos más de cerca cómo funciona el seguimiento de objetos y exploraremos ejemplos reales de cómo se utiliza. También hablaremos sobre cómo los modelos de IA de visión como YOLO11 de Ultralytics admiten el seguimiento de objetos. ¡Empecemos!

Link to this sectionUn vistazo más de cerca a los sistemas de seguimiento por visión artificial#

El seguimiento de objetos es una tarea de visión artificial que se utiliza para seguir el movimiento de objetos a través de fotogramas de vídeo, ayudando a los sistemas a monitorizar y comprender cómo cambian las cosas con el tiempo. Esto es muy similar a cómo los humanos pueden seguir de forma natural a una persona u objeto en movimiento con los ojos, como cuando ves un partido de tenis y tus ojos siguen la pelota mientras se mueve de un lado a otro de la pista.

De la misma manera, el seguimiento de objetos implica el uso de cámaras e IA para seguir el movimiento de la pelota en tiempo real. Esta tecnología puede ofrecer a los espectadores en casa una mejor comprensión del desarrollo del juego, especialmente a través de análisis como la velocidad, la trayectoria y el posicionamiento de los jugadores.

Aunque este tipo de seguimiento visual puede parecer sencillo para los humanos, cuando se trata de visión artificial, implica una serie de pasos impulsados por modelos de IA de visión. Aquí tienes un desglose sencillo de cómo funciona el seguimiento de objetos:

• Captura de vídeo: Las cámaras graban imágenes de vídeo, capturando 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 específicos, como personas, vehículos o productos.
• Asignación de identidad: Una vez detectado un objeto, los algoritmos de seguimiento le asignan un ID único para seguirlo a través de múltiples fotogramas, asegurando que el sistema sepa que se trata del mismo objeto incluso cuando se mueve.
• Monitorización del movimiento: El sistema rastrea 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 perspectivas: Esta información puede utilizarse en tiempo real para proporcionar análisis, ayudar en la toma de decisiones o potenciar superposiciones visuales, dependiendo del caso de uso específico.

Link to this sectionComparación entre la detección y el seguimiento de objetos con YOLO#

Otra tarea de visión artificial compatible con YOLO11 que está estrechamente relacionada con el seguimiento de objetos es la detección de objetos. Exploremos la diferencia entre estas dos tareas.

La detección de objetos implica identificar y localizar objetos de interés dentro de una sola imagen o fotograma de vídeo. Por ejemplo, un coche autónomo utiliza la detección de objetos para reconocer una señal de stop o un peatón en un solo fotograma capturado por las cámaras a bordo. Responde a la pregunta: “¿Qué hay en esta imagen y dónde está?”. Sin embargo, no proporciona ninguna información sobre a dónde va el objeto a continuación.

El seguimiento de objetos se basa en la detección de objetos añadiendo una comprensión del movimiento a lo largo del tiempo. La diferencia clave entre ambos es cómo manejan 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 los fotogramas, utilizando datos pasados para predecir la posición futura de un objeto.

Al combinar ambos, podemos crear potentes sistemas de IA de visión capaces de realizar un seguimiento en tiempo real en entornos dinámicos. Por ejemplo, un sistema de seguridad automatizado puede detectar a personas que entran en un espacio y rastrear continuamente su movimiento a través del fotograma.

Link to this sectionSeguimiento en tiempo real con modelos YOLO de Ultralytics#

Ahora que hemos cubierto la diferencia entre la detección y el seguimiento de objetos, echemos un vistazo a cómo los modelos YOLO de Ultralytics, como YOLO11, admiten el seguimiento de objetos en tiempo real.

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

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

Cuando utilizas modelos YOLO para el seguimiento de objetos, puedes elegir qué algoritmo de seguimiento 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 a su uso de predicción de movimiento y aprendizaje profundo. ByteTrack, por otro lado, funciona especialmente bien en escenas concurridas, manteniendo un seguimiento fiable incluso cuando los objetos están borrosos o parcialmente ocultos.

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

Link to this section¿Cómo se relaciona el entrenamiento de modelos YOLO personalizados con el seguimiento de objetos?#

El entrenamiento personalizado es el proceso de ajustar un modelo de detección de objetos preentrenado, como YOLO11, en 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 tu sistema de seguimiento necesita seguir objetos personalizados o poco comunes.

Los sistemas de seguimiento dependen de que el modelo de detección reconozca primero el objeto. Si un modelo YOLO no puede detectar un artículo en particular, como un tipo específico de maquinaria o especie de fauna, el algoritmo de seguimiento no podrá seguirlo.

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

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

Link to this sectionAplicaciones del seguimiento de objetos con YOLO de Ultralytics#

Ahora que entendemos mejor qué es el seguimiento de objetos y cómo funciona, exploremos algunas aplicaciones del mundo real donde esta tecnología está teniendo un impacto.

Link to this sectionSeguimiento en tiempo real con YOLO de Ultralytics para la estimación de la velocidad#

Los sistemas de estimación de velocidad habilitados por visión artificial dependen de tareas como la detección y el seguimiento de objetos. Estos sistemas están diseñados para calcular a qué velocidad 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.

Utilizando un modelo como YOLO11 de Ultralytics, los objetos pueden ser detectados y rastreados a través de fotogramas de vídeo. Analizando cuánto se mueve un objeto durante un periodo de tiempo específico, el sistema puede estimar su velocidad.

Fig 3. Uso del soporte de YOLO11 para el seguimiento de objetos para la estimación de velocidad.

Link to this sectionExploración del seguimiento de objetos en la fabricación#

Los procesos de fabricación pueden ser rápidos y muy complejos, lo que dificulta hacer un seguimiento manual de cada artículo producido. El seguimiento de objetos ofrece una buena solución para automatizar la monitorización de los productos a medida que avanzan por cada etapa 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 el montaje correcto, el seguimiento de objetos aporta visibilidad y control a tareas que, de otro modo, llevarían mucho tiempo o serían propensas a errores. Esta tecnología tiene un impacto especial en industrias de gran volumen como el procesado de alimentos, la electrónica y el embalaje, donde la velocidad y la precisión son fundamentales.

Fig 4. Un ejemplo de seguimiento y recuento de productos alimentarios en una línea de montaje utilizando YOLO11.

Link to this sectionUna visión general del seguimiento de objetos en el análisis minorista#

Innumerables clientes entran y salen de las tiendas minoristas todos los días, y comprender su comportamiento es clave para mejorar tanto la experiencia del cliente como el rendimiento empresarial. El seguimiento de objetos permite a los minoristas monitorizar el flujo de clientes, medir el tiempo de permanencia y analizar los patrones de movimiento, todo ello sin necesidad de métodos invasivos o manuales.

Al realizar el seguimiento de las personas a medida que entran, salen y se mueven por toda la tienda, las empresas pueden obtener información sobre las horas punta, las zonas populares e incluso la longitud de las colas. Estos conocimientos pueden fundamentar las decisiones sobre la dotación de personal, la distribución de la tienda y la colocación del inventario, lo que en última instancia conduce a operaciones más eficientes y a un aumento de las ventas.

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

Link to this sectionPros y contras del seguimiento de objetos#

Desde tiendas minoristas hasta plantas industriales, el seguimiento de objetos se utiliza en todo tipo de industrias para mejorar factores como la eficiencia, la seguridad y la experiencia general. Aquí tienes algunos de los beneficios clave que el seguimiento de objetos puede aportar a diversas industrias:

• Permite alertas en tiempo real: Los sistemas integrados con el seguimiento de objetos pueden configurarse para activar alertas automáticamente cuando se detecta algo inusual, como una persona entrando en una zona restringida o una entrega que se ha dejado demasiado tiempo en un lugar.
• Se integra con otros sistemas: Los datos de seguimiento de objetos pueden combinarse con otras tecnologías, como el reconocimiento facial, cámaras térmicas o sistemas de inventario, para obtener información aún más potente.
• Económico a largo plazo: Aunque la configuración inicial puede requerir inversión, el seguimiento automatizado reduce la necesidad de mano de obra manual, disminuye las tasas de error y reduce los costes operativos con el paso del tiempo.

Aunque estos beneficios destacan cómo el seguimiento de objetos impacta positivamente en diferentes casos de uso, también es importante tener en cuenta los desafíos que implica su implementación. Echemos un vistazo más de cerca a algunas limitaciones del seguimiento de objetos:

• Dificultad en entornos concurridos: En entornos concurridos como conciertos, centros comerciales o calles urbanas, los sistemas de seguimiento pueden tener dificultades para distinguir entre personas u objetos que están cerca unos de otros, lo que lleva a confusión o resultados inexactos.

• Sensible a las condiciones ambientales: La mala iluminación, la niebla, el movimiento rápido o la vibración de la cámara pueden afectar a la capacidad del sistema para realizar un seguimiento preciso de los objetos, especialmente en entornos exteriores o no controlados.

• Preocupaciones de privacidad y legales: El manejo inadecuado de datos personales, la falta de consentimiento del usuario o la vigilancia en espacios públicos pueden plantear problemas éticos y llevar al incumplimiento de las leyes de privacidad.

Link to this sectionConclusiones clave#

El seguimiento de objetos es una tarea de visión artificial que permite a las máquinas seguir el movimiento de objetos a lo largo del tiempo. Se utiliza en una amplia gama de escenarios del mundo real, desde la estimación de la velocidad de vehículos y el recuento de productos en una línea de montaje hasta el análisis de los movimientos de los jugadores en deportes.

Con modelos de IA de visión como YOLO11 y algoritmos de seguimiento como BoT-SORT y ByteTrack, el seguimiento de objetos se ha vuelto más rápido, inteligente y accesible en diferentes industrias. A medida que evoluciona la tecnología de seguimiento de objetos, está ayudando a que los sistemas sean más inteligentes, eficientes y receptivos, fotograma a fotograma.

¿Quieres aprender más sobre visión artificial e IA? Explora nuestro repositorio de GitHub, conecta con nuestra comunidad, y echa un vistazo a nuestras opciones de licencia para poner en marcha tu proyecto de visión artificial. Si estás explorando innovaciones como la IA en la fabricación y la visión artificial en la industria automotriz, visita nuestras páginas de soluciones para descubrir más.