15 de abril de 2025
Aprenda cómo funcionan los sistemas de seguimiento de visión artificial, explore modelos populares que admiten el seguimiento de objetos como YOLO11 y descubra sus aplicaciones en el mundo real.
Los robots que pueden ensamblar piezas eléctricas, los sistemas que detectan los coches que exceden la velocidad y las soluciones de venta minorista inteligentes que rastrean cómo compran los clientes: todas estas innovaciones se basan en 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 ensamblarlas correctamente. De manera similar, un sistema de tráfico puede usar la visión artificial para detectar coches, leer matrículas y determinar cuándo alguien está excediendo la velocidad. Mientras tanto, en las tiendas, la IA visual puede ayudar a rastrear lo que los clientes están mirando o recogiendo, e incluso puede vigilar el inventario.
Estas aplicaciones están impulsadas por modelos de visión artificial como Ultralytics YOLO11, que admiten una amplia gama de tareas visuales. Muchas de estas tareas se centran en la recopilación de información a partir de una sola imagen, pero una tarea particularmente interesante, el seguimiento de objetos, se puede utilizar para seguir el movimiento de objetos a través de una serie de imágenes o fotogramas de vídeo.
En esta guía, analizaremos más de cerca cómo funciona el seguimiento de objetos y exploraremos ejemplos reales de cómo se utiliza. También analizaremos cómo los modelos de Vision AI como Ultralytics YOLO11 admiten el seguimiento de objetos. ¡Empecemos!
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. Esto es muy similar a cómo los humanos pueden seguir de forma natural a una persona u objeto en movimiento con sus ojos, como cuando estás viendo 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 brindar a los espectadores en casa una mejor comprensión del flujo del juego, especialmente a través de análisis como la velocidad, la trayectoria y el posicionamiento de los jugadores.
Si bien este tipo de seguimiento visual puede parecer fácil para los humanos, cuando se trata de visión artificial, implica una serie de pasos impulsados por modelos de IA visual. Aquí tiene un desglose sencillo de cómo funciona el seguimiento de objetos:
Otra tarea de visión artificial soportada por 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 hacia dónde va el objeto a continuación.
El seguimiento de objetos se basa en la detección de objetos al añadir una 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, utilizando datos pasados para predecir la posición futura de un objeto.
Combinando ambos, podemos construir potentes sistemas de visión artificial 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 su movimiento continuamente a través del encuadre.
Ahora que hemos cubierto la diferencia entre la detección y el seguimiento de objetos, echemos un vistazo a cómo los modelos Ultralytics YOLO, como YOLO11, admiten el seguimiento de objetos en tiempo real.
Si bien los modelos YOLO no son algoritmos de seguimiento en sí mismos, desempeñan un papel esencial al detectar objetos en cada fotograma de vídeo. Una vez que se detectan 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 abordar esta necesidad, el paquete de Python Ultralytics integra a la perfección 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 se utilizan modelos YOLO para el seguimiento de objetos, puede elegir qué algoritmo de seguimiento aplicar en función de los requisitos de su aplicación. Por ejemplo, BoT-SORT es una buena opción para seguir objetos que se mueven de forma impredecible, gracias a su uso de la predicción de movimiento y el deep learning. ByteTrack, por otro lado, funciona especialmente bien en escenas concurridas, manteniendo un seguimiento fiable incluso cuando los objetos están borrosos o parcialmente ocultos.
El entrenamiento personalizado es el proceso de ajuste fino de un modelo de detección de objetos pre-entrenado, 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 su 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 en particular, como un tipo específico de maquinaria o especie de vida silvestre, el algoritmo de seguimiento no podrá seguirlo.
Es por eso que el entrenamiento personalizado es esencial: garantiza que el modelo de detección pueda identificar con precisión los objetos que desea 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, sino que simplemente utilizan la salida del modelo YOLO para seguir los objetos detectados a través de los fotogramas.
Ahora que comprendemos mejor qué es el seguimiento de objetos y cómo funciona, exploremos algunas aplicaciones del mundo real donde esta tecnología está teniendo un impacto.
Los sistemas de estimación de velocidad habilitados por la 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 una variedad de aplicaciones, desde la gestión del tráfico hasta la monitorización de la seguridad y la automatización industrial.
Utilizando un modelo como Ultralytics YOLO11, los objetos pueden ser detectados y rastreados a través de los fotogramas de vídeo. Analizando la distancia que recorre un objeto durante un período de tiempo específico, el sistema puede estimar su velocidad.
Los procesos de fabricación pueden ser rápidos y muy complejos, lo que dificulta el seguimiento manual de cada artículo que se produce. El seguimiento de objetos ofrece una buena solución para automatizar la supervisión de los productos a medida que avanzan por cada etapa de la producción. Puede ayudar a las fábricas a mantener altos niveles de precisión y eficiencia sin ralentizar las cosas.
Desde el recuento de productos en una cinta transportadora hasta la detección de defectos o la verificación del montaje correcto, el seguimiento de objetos aporta visibilidad y control a tareas que de otro modo serían lentas o propensas a errores. Esta tecnología es especialmente impactante en industrias de gran volumen como el procesamiento de alimentos, la electrónica y el embalaje, donde la velocidad y la precisión son fundamentales.
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 del negocio. El seguimiento de objetos permite a los minoristas monitorear el tráfico peatonal, medir el tiempo de permanencia y analizar los patrones de movimiento, todo ello sin necesidad de métodos invasivos o manuales.
Al rastrear a las personas cuando entran, salen y se mueven por la tienda, las empresas pueden obtener información sobre las horas de mayor afluencia, las áreas más populares e incluso la longitud de las colas. Esta información puede influir en 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.
Desde tiendas minoristas hasta plantas de fabricación, el seguimiento de objetos se está utilizando en todo tipo de industrias para mejorar factores como la eficiencia, la seguridad y la experiencia general. Estos son algunos de los beneficios clave que el seguimiento de objetos puede aportar a diversas industrias:
Si bien estos beneficios resaltan cómo el seguimiento de objetos impacta positivamente en diferentes casos de uso, también es importante considerar los desafíos involucrados en su implementación. Echemos un vistazo más de cerca a algunas limitaciones del seguimiento de objetos:
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 gama de escenarios del mundo real, desde la estimación de la velocidad de los vehículos y el recuento de productos en una línea de montaje hasta el análisis de los movimientos de los jugadores en los deportes.
Con modelos de Vision AI 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 la tecnología de seguimiento de objetos evoluciona, está ayudando a que los sistemas se vuelvan más inteligentes, eficientes y receptivos, un fotograma a la vez.
¿Quiere obtener más información sobre la visión artificial y la IA? Explore nuestro repositorio de GitHub, conéctese con nuestra comunidad y consulte nuestras opciones de licencia para poner en marcha su proyecto de visión artificial. Si está explorando innovaciones como la IA en la fabricación y la visión artificial en la industria automotriz, visite nuestras páginas de soluciones para descubrir más.
