Cómo usar Ultralytics YOLO11 para el seguimiento de objetos

Supongamos que quieres supervisar y seguir el movimiento de componentes en una línea de montaje de una instalación de fabricación para garantizar el control de calidad y mejorar la eficiencia del flujo de trabajo. Normalmente, esto implicaría realizar inspecciones manuales o utilizar sensores básicos para seguir los elementos, lo que puede llevar mucho tiempo y ser propenso a errores. Sin embargo, la visión artificial y el seguimiento de objetos pueden utilizarse 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. Puede utilizarse en una amplia variedad de aplicaciones, desde la supervisión de animales en granjas hasta la seguridad y la videovigilancia en tiendas minoristas. Los objetos que se siguen en un vídeo suelen visualizarse mediante cuadros delimitadores para ayudar al usuario a ver exactamente dónde se encuentran y se detectan dentro del fotograma del vídeo.

Presentado durante el evento híbrido anual de Ultralytics, YOLO Vision 2024 (YV24), Ultralytics YOLO11 es un modelo de visión artificial capaz de realizar una amplia variedad de tareas de IA de visión, incluido el seguimiento de objetos. En este artículo, veremos cómo funciona el seguimiento de objetos y hablaremos de aplicaciones del mundo real. También veremos cómo puedes probar el seguimiento de objetos con YOLO11. ¡Empecemos!

Fig. 1. Ejemplo del uso de Ultralytics YOLO11 para el seguimiento de objetos en una tienda minorista.

Seguimiento de objetos con IA mediante Ultralytics YOLO11#

El seguimiento de objetos es una técnica esencial de visión artificial. Permite identificar y seguir objetos en un vídeo a lo largo del tiempo. El seguimiento de objetos puede parecerse mucho a otra tarea de visión artificial: la detección de objetos. La diferencia clave entre ambas radica en cómo gestionan los fotogramas del vídeo. La detección de objetos analiza cada fotograma de forma individual, identificando y clasificando objetos sin tener en cuenta los fotogramas anteriores o posteriores. En cambio, el seguimiento de objetos conecta los fotogramas, siguiendo los mismos objetos a lo largo del tiempo y registrando sus movimientos.

A continuación se explica con más detalle cómo funciona el seguimiento de objetos:

• Detección de objetos: El proceso comienza detectando objetos en un único fotograma de un vídeo. YOLO11 puede utilizarse para identificar con precisión varios objetos y sus ubicaciones.
• Asignar identificadores únicos: A cada objeto detectado se le asigna un identificador único para distinguirlo de los demás y facilitar su seguimiento.
• Seguir el movimiento entre fotogramas: Un algoritmo de seguimiento sigue los objetos en los fotogramas posteriores y actualiza sus posiciones, manteniendo la asociación con sus identificadores únicos.
• Gestionar las oclusiones: Si un objeto desaparece temporalmente de la vista (por ejemplo, porque otro objeto lo bloquea), el sistema garantiza que el seguimiento se reanude cuando el objeto vuelva a aparecer.
• Actualizar la información de los objetos: 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 permite realizar el seguimiento de objetos en tiempo real mediante algoritmos de seguimiento avanzados como BoT-SORT y ByteTrack. También funciona perfectamente con segmentación y estimación de la pose en modelos YOLO11, lo que lo convierte en una herramienta flexible para una amplia variedad de tareas de seguimiento.

Aplicaciones del seguimiento de objetos de Ultralytics YOLO11#

Las versátiles capacidades del modelo Ultralytics YOLO11 abren un amplio abanico de posibles aplicaciones en muchos sectores. Veamos más de cerca algunos casos de uso del seguimiento de objetos con YOLO11.

Ultralytics YOLO11 para el seguimiento de vehículos autónomos#

El seguimiento de objetos es fundamental para ayudar a los coches autónomos a circular de forma segura y eficiente. Estos vehículos deben comprender 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 de su entorno, como peatones, ciclistas, otros vehículos y señales de tráfico. Sin embargo, detectar estos objetos en un único instante no basta para una navegación segura.

Ahí es donde entra en juego el seguimiento de objetos. Permite al coche seguir estos objetos a lo largo del tiempo y registrar sus movimientos en varios fotogramas. Por ejemplo, ayuda a los vehículos autónomos a predecir hacia dónde se dirige un peatón, supervisar la velocidad y 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 que los rodean, responder de forma proactiva y circular de manera segura y fluida.

Fig. 2. Ultralytics YOLO11 puede utilizarse para detectar y seguir coches.

Uso del seguimiento de objetos de Ultralytics YOLO11 para supervisar animales#

Seguir animales en una granja, como el ganado, es fundamental para una gestión eficaz, pero puede ser una tarea tediosa y llevar mucho tiempo. Los métodos tradicionales, como el uso de sensores o etiquetas, suelen presentar inconvenientes. Estos dispositivos pueden estresar a los animales al colocárselos y tienden a desprenderse o dañarse, lo que interrumpe el seguimiento.

La visión artificial ofrece a los ganaderos una solución mejor para supervisar y seguir a los animales sin necesidad de etiquetas físicas. El seguimiento de objetos puede proporcionar a los ganaderos información valiosa sobre el comportamiento y la salud de los animales. Por ejemplo, puede ayudar a detectar afecciones como la cojera, que afecta a la forma de caminar de un animal. Mediante el seguimiento de objetos, los ganaderos pueden detectar cambios sutiles en el movimiento y abordar los problemas de salud en una fase temprana.

Además de supervisar la salud, la visión artificial también puede ayudar a los ganaderos a comprender otros comportamientos, como las interacciones sociales, los hábitos alimentarios y los patrones de movimiento. Esta información puede mejorar la gestión del rebaño, optimizar los horarios de alimentación y fomentar el bienestar general de los animales. Al reducir el trabajo manual y minimizar el estrés de los animales, el seguimiento basado en visión artificial es una herramienta práctica y eficiente para la agricultura moderna.

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

Seguimiento de objetos en la fabricación mediante Ultralytics YOLO11#

El seguimiento de objetos tiene muchos casos de uso en el sector de la fabricación. Por ejemplo, los sistemas de detección y seguimiento de objetos pueden supervisar las líneas de producción. Los productos o las materias primas pueden seguirse y contarse fácilmente mientras se desplazan por una cinta transportadora. Estos sistemas también pueden integrarse con otros sistemas de visión artificial para realizar tareas adicionales. Por ejemplo, un sistema de detección de defectos puede identificar un artículo defectuoso y el seguimiento de objetos puede seguirlo para garantizar que se gestione correctamente.

Otra aplicación importante del seguimiento de objetos en la fabricación está relacionada con la seguridad. Los sistemas de seguimiento de objetos pueden utilizarse para detectar y seguir a trabajadores en entornos de fabricación potencialmente peligrosos. Las zonas peligrosas pueden delimitarse y supervisarse constantemente mediante sistemas de visión artificial, y los supervisores pueden recibir una notificación si los trabajadores (que están siendo seguidos) se acercan a dichas zonas. Estos sistemas de seguridad también pueden utilizarse para detectar y seguir equipos, evitando el riesgo de robo.

Fig. 4. Ejemplo del uso de la detección de objetos de YOLO11 para detectar trabajadores.

Seguimiento de objetos y videovigilancia mediante Ultralytics YOLO11#

El seguimiento de objetos en tiempo real se utiliza ampliamente en sistemas de seguridad y videovigilancia. Estos sistemas pueden utilizarse para supervisar lugares públicos, centros de transporte y grandes entornos minoristas, como los centros comerciales. Las zonas grandes y concurridas pueden utilizar esta tecnología para seguir a personas sospechosas o el comportamiento de las multitudes, proporcionando una solución de videovigilancia fluida. Por ejemplo, durante la pandemia, los sistemas de seguimiento de objetos se utilizaron para supervisar las zonas concurridas y garantizar que las personas mantuvieran la distancia social.

El seguimiento de objetos también puede utilizarse en la videovigilancia del tráfico. Permite seguir y analizar el comportamiento de los vehículos, detectar acciones inusuales o sospechosas en tiempo real y ayudar a prevenir accidentes o delitos. Un buen ejemplo son los sistemas de estimación de velocidad. Estos pueden detectar y seguir un vehículo para determinar su velocidad.

Fig. 5. La estimación de velocidad puede realizarse mediante el seguimiento de objetos.

Prueba el seguimiento de objetos con Ultralytics YOLO11#

Ahora que hemos analizado algunas aplicaciones del seguimiento de objetos, veamos cómo puedes probarlo utilizando el modelo Ultralytics YOLO11.

Para empezar, instala el paquete Ultralytics para Python mediante pip, conda o Docker. Si tienes algún problema durante la instalación, nuestra Guía de problemas habituales ofrece consejos útiles para resolverlos.

Una vez que hayas instalado correctamente el paquete, ejecuta el código siguiente. En él se muestra cómo cargar el modelo Ultralytics YOLO11 y utilizarlo para seguir objetos en un archivo de vídeo. El modelo utilizado en el código es “yolo11n.pt”. La “n” corresponde a Nano, la variante más pequeña del modelo YOLO11. También hay otras variantes de modelos entre las que elegir: small, medium, large y extra-large.

Fig. 6. Fragmento de código que muestra el seguimiento de objetos mediante el modelo Ultralytics YOLO11.

También puedes optar por utilizar un modelo entrenado a medida en lugar de uno preentrenado. El entrenamiento personalizado consiste en ajustar un modelo preentrenado para adaptarlo a tu aplicación específica.

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

Conclusiones clave#

Ultralytics YOLO11 es una excelente herramienta para seguir objetos en vídeos y puede utilizarse en muchos ámbitos diferentes, como los coches autónomos, la agricultura, la fabricación y la seguridad. Puede detectar y seguir objetos en tiempo real, ayudando a empresas e industrias a supervisar a sus trabajadores y equipos. El modelo es fácil de usar y puede personalizarse para necesidades específicas, por lo que es una buena opción para cualquiera que quiera adoptar capacidades de visión artificial de forma fluida.

Para obtener más información, visita nuestro repositorio de GitHub y participa en nuestra comunidad. Explora las aplicaciones de AI en coches autónomos y agricultura en nuestras páginas de soluciones. 🚀