Cómo usar Ultralytics YOLO11 para el seguimiento de objetos

Supongamos que quieres supervisar y seguir el movimiento de componentes en una línea de ensamblaje en una instalación de fabricación para garantizar el control de calidad y mejorar la eficiencia del flujo de trabajo. Normalmente, esto implicaría inspecciones manuales o el uso de sensores básicos para rastrear artículos, lo cual puede llevar mucho tiempo y ser propenso a errores. Sin embargo, se pueden usar la visión artificial y el seguimiento de objetos para automatizar y mejorar este proceso.

El seguimiento de objetos es una tarea de visión artificial que ayuda a detectar, identificar y seguir objetos en un vídeo. Se puede utilizar para una amplia variedad de aplicaciones, desde la monitorización de animales en granjas hasta la seguridad y la vigilancia en tiendas minoristas. Los objetos que se rastrean en un vídeo suelen visualizarse usando cuadros delimitadores para ayudar al usuario a ver exactamente dónde están ubicados y detectados dentro del fotograma del vídeo.

Lanzado durante el evento híbrido anual de Ultralytics, YOLO Vision 2024 (YV24), Ultralytics YOLO11 es un modelo de visión artificial que puede manejar una amplia variedad de tareas de IA de visión, incluido el seguimiento de objetos. En este artículo, exploraremos cómo funciona el seguimiento de objetos y discutiremos aplicaciones del mundo real. También echaremos un vistazo a cómo puedes probar el seguimiento de objetos usando YOLO11. ¡Empecemos!

Fig 1. Un ejemplo del uso de YOLO11 para el seguimiento de objetos en una tienda minorista.

Link to this sectionSeguimiento de objetos impulsado por IA con YOLO11#

El seguimiento de objetos es una técnica esencial de visión artificial. Hace posible que los objetos en un vídeo sean identificados y rastreados a lo largo del tiempo. El seguimiento de objetos puede parecer muy similar a otra tarea de visión artificial: la detección de objetos. La diferencia clave entre ambos radica en cómo manejan los fotogramas de vídeo. La detección de objetos analiza cada fotograma individualmente, identificando y clasificando objetos sin considerar fotogramas anteriores o futuros. El seguimiento de objetos, por otro lado, conecta los puntos entre fotogramas, siguiendo los mismos objetos a lo largo del tiempo y manteniendo un registro de sus movimientos.

Aquí tienes un recorrido más detallado de cómo funciona el seguimiento de objetos:

• Detección de objetos: El proceso comienza detectando objetos en un solo fotograma de un vídeo. YOLO11 se puede usar para identificar múltiples objetos y sus ubicaciones con precisión.
• Asignación de IDs únicos: A cada objeto detectado se le asigna un ID único para distinguirlo de los demás y facilitar su seguimiento.
• Seguimiento del movimiento a través de los fotogramas: Un algoritmo de seguimiento sigue a los objetos a través de los fotogramas subsiguientes, actualizando sus posiciones mientras mantiene la asociación con sus IDs únicos.
• Manejo de oclusiones: Si un objeto desaparece temporalmente de la vista (por ejemplo, bloqueado por otro objeto), el sistema asegura que el seguimiento se reanude una vez que el objeto reaparezca.
• Actualización de información del objeto: A medida que los objetos se mueven, sus posiciones y atributos (como la velocidad o la dirección) se actualizan continuamente para reflejar los cambios a lo largo del tiempo.

Ultralytics admite el seguimiento de objetos en tiempo real aprovechando algoritmos de seguimiento avanzados como BoT-SORT y ByteTrack. También funciona a la perfección con segmentación y estimación de pose con modelos YOLO11, lo que lo convierte en una herramienta flexible para una amplia gama de tareas de seguimiento.

Link to this sectionAplicaciones del seguimiento de objetos con YOLO11#

Las versátiles capacidades del modelo Ultralytics YOLO11 abren una amplia gama de posibles aplicaciones en muchas industrias. Echemos un vistazo más de cerca a algunos casos de uso del seguimiento de objetos con YOLO11.

Link to this sectionYOLO11 para el seguimiento de vehículos autónomos#

El seguimiento de objetos es crucial para ayudar a los coches autónomos a operar de forma segura y eficiente. Estos vehículos necesitan entender constantemente su entorno para tomar decisiones en tiempo real, como detenerse, girar o cambiar de carril. La detección de objetos permite al coche identificar elementos clave en su entorno, como peatones, ciclistas, otros vehículos y señales de tráfico. Sin embargo, detectar estos objetos en un solo momento no es suficiente para una navegación segura.

Ahí es donde entra en juego el seguimiento de objetos. Permite que el coche siga a estos objetos a lo largo del tiempo, rastreando sus movimientos a través de múltiples fotogramas. Por ejemplo, ayuda a los vehículos autónomos a predecir hacia dónde se dirige un peatón, supervisar la velocidad y la dirección de los vehículos cercanos, o reconocer que un semáforo no ha cambiado. Al combinar la detección y el seguimiento, los coches autónomos pueden anticipar el movimiento de los objetos a su alrededor, responder de forma proactiva y conducir de manera segura y fluida.

Fig 2. YOLO11 se puede utilizar para detectar y seguir coches.

Link to this sectionUso del seguimiento de objetos con YOLO11 para monitorizar animales#

Rastrear animales en una granja, como el ganado, es vital para una gestión eficaz, pero puede ser una tarea tediosa y que requiere mucho tiempo. Los métodos tradicionales, como el uso de sensores o etiquetas, a menudo tienen desventajas. Estos dispositivos pueden estresar a los animales cuando se colocan y son propensos a caerse o dañarse, lo que interrumpe el seguimiento.

La visión artificial proporciona una mejor solución para los agricultores para monitorizar y seguir animales sin la necesidad de etiquetas físicas. El seguimiento de objetos puede brindar a los agricultores información valiosa sobre el comportamiento y la salud de los animales. Por ejemplo, puede ayudar a detectar condiciones como la cojera que afectan la forma en que camina un animal. Al usar el seguimiento de objetos, los agricultores pueden detectar cambios sutiles en el movimiento y abordar problemas de salud desde el principio.

Más allá de la monitorización de la salud, la visión artificial también puede ayudar a los agricultores a comprender otros comportamientos, como las interacciones sociales, los hábitos alimentarios y los patrones de movimiento. Estos conocimientos pueden mejorar la gestión del rebaño, optimizar los horarios de alimentación y promover el bienestar general de los animales. Al reducir el trabajo manual y minimizar el estrés para los animales, el seguimiento basado en visión artificial es una herramienta práctica y eficiente para la agricultura moderna.

Fig 3. Uso de YOLO11 para seguir a agricultores y una vaca.

Link to this sectionSeguimiento de objetos en fabricación con YOLO11#

El seguimiento de objetos tiene muchos casos de uso en el sector de fabricación. Por ejemplo, los sistemas de detección y seguimiento de objetos pueden monitorizar líneas de producción. Los productos o las materias primas pueden ser fácilmente rastreados y contados a medida que se mueven en una cinta transportadora. Estos sistemas también se pueden integrar con otros sistemas de visión artificial para realizar tareas adicionales. Por ejemplo, un artículo con un defecto puede ser identificado usando un sistema de detección de defectos y rastreado mediante seguimiento de objetos para asegurar que se maneje adecuadamente.

Otra aplicación importante del seguimiento de objetos en la fabricación está relacionada con la seguridad. Los sistemas de seguimiento de objetos se pueden utilizar para detectar y seguir a los trabajadores en entornos de fabricación potencialmente peligrosos. Las zonas peligrosas se pueden marcar y monitorizar constantemente utilizando sistemas de visión artificial, y se puede notificar a los supervisores si los trabajadores (que están siendo rastreados) se acercan a dichas áreas. Dichos sistemas de seguridad también se pueden utilizar para detectar y rastrear equipos, evitando la posibilidad de robo.

Fig 4. Un ejemplo de detección de objetos YOLO11 siendo utilizada para detectar trabajadores.

Link to this sectionSeguimiento de objetos y vigilancia con YOLO11#

El seguimiento de objetos en tiempo real se utiliza ampliamente en sistemas de seguridad y vigilancia. Estos sistemas se pueden usar para monitorizar lugares públicos, centros de transporte y grandes entornos minoristas como centros comerciales. Las áreas grandes y concurridas pueden usar esta tecnología para rastrear a individuos sospechosos o el comportamiento de la multitud, proporcionando una solución de vigilancia fluida. Por ejemplo, durante la pandemia, se utilizaron sistemas de seguimiento de objetos para rastrear áreas concurridas y asegurarse de que las personas mantuvieran el distanciamiento social.

El seguimiento de objetos también se puede usar en la vigilancia del tráfico. El seguimiento de objetos hace posible rastrear y analizar cómo se comportan los vehículos, detectando acciones inusuales o sospechosas en tiempo real para ayudar a prevenir accidentes o delitos. Un buen ejemplo son los sistemas de estimación de velocidad. Pueden detectar y seguir un vehículo para determinar su velocidad.

Fig 5. La estimación de velocidad se puede realizar utilizando el seguimiento de objetos.

Link to this sectionPrueba el seguimiento de objetos con Ultralytics YOLO11#

Ahora que hemos explorado algunas de las aplicaciones de seguimiento de objetos, hablemos sobre cómo puedes probarlo usando el modelo Ultralytics YOLO11.

Para empezar, instala el paquete de Python de Ultralytics usando pip, conda o Docker. Si enfrentas algún desafío durante la instalación, nuestra Guía de Problemas Comunes ofrece consejos útiles para la solución de problemas.

Una vez que hayas instalado el paquete correctamente, ejecuta el siguiente código. Describe cómo cargar el modelo Ultralytics YOLO11 y usarlo para rastrear objetos en un archivo de vídeo. El modelo utilizado en el código es “yolo11n.pt”. La 'n' significa Nano: la variante más pequeña del modelo YOLO11. También hay otras variantes de modelos para elegir: pequeño (small), mediano (medium), grande (large) y extragrande (extra-large).

Fig 6. Un fragmento de código que muestra el seguimiento de objetos usando el modelo YOLO11.

También puedes optar por utilizar un modelo entrenado a medida en lugar de uno preentrenado. El entrenamiento a medida implica ajustar un modelo preentrenado para que se adapte a tu aplicación específica.

Como se mencionó anteriormente, el seguimiento de objetos es compatible con los siguientes modelos de YOLO11: detección de objetos, estimación de pose y segmentación de instancias. Si tienes una aplicación específica que implique seguimiento, puedes entrenar a medida cualquiera de estos modelos dependiendo de tu aplicación. Puedes entrenar un modelo a medida usando el paquete de Python de Ultralytics o la plataforma sin código, Ultralytics HUB.

Link to this sectionConclusiones clave#

Ultralytics YOLO11 es una herramienta excelente para rastrear objetos en vídeos, y puede utilizarse en muchos campos diferentes, tales como coches autónomos, agricultura, fabricación y seguridad. Puede detectar y seguir objetos en tiempo real, ayudando a empresas e industrias a realizar un seguimiento de sus trabajadores y equipos. El modelo es fácil de usar y se puede personalizar para necesidades específicas, lo que lo convierte en una buena opción para cualquiera interesado en adoptar capacidades de visión artificial sin problemas.

Para obtener más información, visita nuestro repositorio de GitHub e interactúa con nuestra comunidad. Explora las aplicaciones de IA en vehículos autónomos y agricultura en nuestras páginas de soluciones. 🚀