Guía para realizar el seguimiento de objetos en movimiento en vídeos con modelos Ultralytics YOLO

Los robots capaces de ensamblar componentes eléctricos, los sistemas que detectan coches que circulan a exceso de velocidad y las soluciones inteligentes para comercios que siguen 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 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 circula a exceso de velocidad. Mientras tanto, en las tiendas, la IA de visión puede ayudar a seguir qué están mirando o cogiendo los clientes e incluso vigilar el inventario.

Estas aplicaciones funcionan gracias a 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 una tarea especialmente 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, analizaremos más detenidamente cómo funciona el seguimiento de objetos y veremos ejemplos reales de su uso. También hablaremos de cómo los modelos de IA de visión, como Ultralytics YOLO11, admiten el seguimiento de objetos. ¡Empecemos!

Análisis detallado de los sistemas de seguimiento mediante 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, lo que ayuda a los sistemas a supervisar y comprender cómo cambian las cosas con el tiempo. Es muy parecido a cómo las personas pueden seguir de forma natural con la mirada a una persona o un 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.

Del mismo modo, el seguimiento de objetos implica utilizar cámaras e IA para seguir el movimiento de la pelota en tiempo real. Esta tecnología puede ayudar a los espectadores que están en casa a comprender mejor el desarrollo del partido, especialmente mediante análisis como la velocidad, la trayectoria y la posición de los jugadores.

Aunque este tipo de seguimiento visual puede parecer sencillo para las personas, en el caso de la visión artificial implica una serie de pasos impulsados por modelos de IA de visión. Este es un resumen sencillo de cómo funciona el seguimiento de objetos:

• Captura de vídeo: las cámaras graban imágenes de 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 a través de varios fotogramas y garantizar que el sistema sepa que es el mismo objeto aunque se desplace.
• 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: esta información puede utilizarse en tiempo real para proporcionar análisis, ayudar en la toma de decisiones o alimentar 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 las diferencias entre estas dos tareas.

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

El seguimiento de objetos se basa en la detección de objetos y añade una comprensión del movimiento a lo largo del tiempo. La diferencia clave entre ambas tareas 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 fotogramas utilizando datos anteriores para predecir la posición futura de un objeto.

Al combinar ambas, podemos crear sistemas de IA de visión potentes 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 su movimiento 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 propiamente dichos, desempeñan un papel esencial al detectar objetos en cada fotograma de vídeo. Una vez detectados los objetos, se necesitan algoritmos de seguimiento para asignarles ID únicos, lo que permite al sistema seguir su movimiento de un fotograma a otro.

Para cubrir esta necesidad, el paquete de Python de Ultralytics integra de forma fluida la detección de objetos con algoritmos de seguimiento populares como BoT-SORT y ByteTrack. Esta integración permite ejecutar 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 según 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 predicciones de movimiento y aprendizaje profundo. ByteTrack, por otro lado, funciona especialmente bien en escenas concurridas y mantiene un seguimiento fiable incluso cuando los objetos aparecen borrosos o parcialmente ocultos.

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

¿Qué relación tiene 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 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 tu sistema de seguimiento necesita seguir objetos personalizados o poco habituales.

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 el entrenamiento personalizado es esencial: 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, sino que utilizan la salida del modelo YOLO para seguir los objetos detectados a través de los fotogramas.

Aplicaciones del seguimiento de objetos con Ultralytics YOLO#

Ahora que comprendemos 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 a qué velocidad se mueve un objeto, ya sea un vehículo, un ciclista o incluso una persona. Esta información es esencial para diversas aplicaciones, desde la gestión del tráfico hasta la supervisión de la seguridad y la automatización industrial.

Con un modelo como Ultralytics YOLO11, los objetos pueden detectarse y seguirse a través de los fotogramas de vídeo. Al analizar cuánto se desplaza un objeto durante un periodo de tiempo concreto, el sistema puede estimar su velocidad.

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

Análisis del seguimiento de objetos en la fabricación#

Los procesos de fabricación pueden ser rápidos y muy complejos, lo que dificulta realizar manualmente el seguimiento de cada artículo producido. El seguimiento de objetos ofrece una buena solución para automatizar la supervisión 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 un ensamblaje correcto, el seguimiento de objetos aporta visibilidad y control a tareas que, de otro modo, consumirían mucho tiempo o serían propensas a errores. Esta tecnología resulta especialmente útil en sectores de gran volumen, como el procesamiento de alimentos, la electrónica y el embalaje, donde la velocidad y la precisión son fundamentales.

Fig. 4. Un ejemplo del seguimiento y recuento de productos alimentarios en una línea de ensamblaje mediante Ultralytics YOLO11.

Descripción general del seguimiento de objetos en el análisis minorista#

Innumerables clientes entran y salen cada día de las tiendas minoristas, y comprender su comportamiento es clave para mejorar tanto la experiencia del cliente como el rendimiento del negocio. El seguimiento de objetos permite a los minoristas supervisar el flujo de personas, medir el tiempo de permanencia y analizar los patrones de movimiento, todo ello sin necesidad de métodos invasivos o 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. Esta información puede orientar las decisiones sobre la dotación de personal, la distribución de la tienda y la colocación del inventario, lo que en última instancia se traduce en operaciones más eficientes y un aumento de 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 y desventajas del seguimiento de objetos#

Desde las tiendas minoristas hasta las plantas de fabricación, el seguimiento de objetos se utiliza en todo tipo de sectores para mejorar factores 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 recibir alertas en tiempo real: los sistemas integrados con seguimiento de objetos 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 un mismo lugar.
• Se integra con otros sistemas: los datos del seguimiento de objetos pueden combinarse con otras tecnologías, como el reconocimiento facial, las cámaras térmicas o los sistemas de inventario, para obtener información aún más útil.
• Rentable a largo plazo: aunque la configuración inicial puede requerir una inversión, el seguimiento automatizado reduce la necesidad de mano de obra manual, disminuye las tasas de error y reduce los costes operativos con el tiempo.

Aunque estas ventajas muestran cómo el seguimiento de objetos influye positivamente en distintos casos de uso, también es importante tener en cuenta las dificultades que implica su implementación. Analicemos más detenidamente algunas limitaciones del seguimiento de objetos:

• Dificultad en entornos concurridos: en lugares con mucha actividad, como conciertos, centros comerciales o calles urbanas, los sistemas de seguimiento pueden tener dificultades para distinguir entre personas u objetos que están muy juntos, lo que provoca confusión 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.

• Problemas de privacidad y legales: la gestión inadecuada de los datos personales, la falta de consentimiento del usuario o la vigilancia en espacios públicos pueden plantear problemas éticos y provocar el 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 una amplia variedad de situaciones reales, desde estimar la velocidad de los vehículos y contar productos en una línea de ensamblaje hasta analizar los movimientos de los jugadores en el deporte.

Con modelos de IA de visión como Ultralytics YOLO11 y algoritmos de seguimiento como BoT-SORT y ByteTrack, el seguimiento de objetos se ha vuelto más rápido, inteligente y accesible en distintos sectores. A medida que evoluciona la tecnología de seguimiento de objetos, ayuda a los sistemas a ser más inteligentes, eficientes y receptivos, un fotograma cada vez.

¿Quieres obtener más información sobre visión por ordenador e IA? Explora nuestro repositorio de GitHub, conéctate con nuestra comunidad y consulta nuestras opciones de licencia para poner en marcha tu proyecto de visión por ordenador. Si estás explorando innovaciones como la IA en la fabricación y la visión por ordenador en la industria automovilística, visita nuestras páginas de soluciones para descubrir más.