Cómo usar Ultralytics YOLO11 para seguir objetos

Imagina 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. Lo habitual sería realizar inspecciones manuales o utilizar sensores básicos para seguir los artículos, un proceso que puede llevar mucho tiempo y ser propenso a errores. Sin embargo, puedes utilizar 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 permite detectar, identificar y seguir objetos en un vídeo. Puede aplicarse a muchos ámbitos, desde la supervisión de animales en granjas hasta la seguridad y la vigilancia en tiendas. Los objetos seguidos en un vídeo suelen visualizarse con cajas delimitadoras, que ayudan a ver exactamente dónde se encuentran y se detectan dentro del fotograma.

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 aplicada a la visión, incluido el seguimiento de objetos. (Desde entonces, Ultralytics YOLO26 ha sustituido a YOLO11). En este artículo exploraremos cómo funciona el seguimiento de objetos y hablaremos de sus aplicaciones reales. 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. Puede parecerse mucho a otra tarea de visión artificial: la detección de objetos. La diferencia principal entre ambas está en cómo procesan los fotogramas de vídeo. La detección de objetos analiza cada fotograma por separado e identifica y clasifica los objetos sin tener en cuenta los fotogramas anteriores o posteriores. En cambio, el seguimiento de objetos conecta los fotogramas, sigue los mismos objetos a lo largo del tiempo y registra sus movimientos.

A continuación tienes un resumen más detallado de cómo funciona el seguimiento de objetos:

• Detección de objetos: El proceso comienza detectando objetos en un único fotograma de un vídeo. YOLO11 puede identificar con precisión varios objetos y sus ubicaciones.
• Asignación de identificadores únicos: Cada objeto detectado recibe un identificador único para distinguirlo de los demás y facilitar su seguimiento.
• Seguimiento del movimiento entre fotogramas: Un algoritmo de seguimiento sigue los objetos en los fotogramas posteriores, actualiza sus posiciones y mantiene la asociación con sus ID únicos.
• Gestión de oclusiones: Si un objeto desaparece temporalmente de la vista (por ejemplo, porque otro objeto lo tapa), el rastreador intenta reanudar su seguimiento con el mismo ID cuando vuelve a aparecer.
• Actualización de la información de los objetos: A medida que 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 mediante algoritmos como BoT-SORT y ByteTrack. También funciona con modelos YOLO11 de segmentación y estimación de poses, 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 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 que los coches autónomos circulen de forma segura y eficiente. Estos vehículos necesitan entender constantemente su entorno para tomar decisiones en tiempo real, como frenar, 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 circular de forma segura.

Aquí 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, vigilar 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 que los rodean, reaccionar de forma proactiva y circular con seguridad y fluidez.

Fig. 2. Puedes utilizar Ultralytics YOLO11 para detectar y seguir coches.

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

El seguimiento de animales de 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 tener inconvenientes. Estos dispositivos pueden estresar a los animales cuando se les colocan y se pueden caer o estropear, lo que interrumpe el seguimiento.

La visión artificial ofrece a los agricultores una solución mejor para supervisar y seguir a los animales sin necesidad de etiquetas físicas. El seguimiento de objetos puede proporcionar 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. Con el seguimiento de objetos, los agricultores pueden detectar cambios sutiles en el movimiento y abordar los problemas de salud cuanto antes.

Además de supervisar 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. Esta información puede mejorar la gestión del rebaño, optimizar los horarios de alimentación y favorecer 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 agricultores y una vaca.

Seguimiento de objetos en la fabricación con Ultralytics YOLO11#

El seguimiento de objetos tiene muchos usos en el sector de la fabricación. Por ejemplo, los sistemas de detección y seguimiento de objetos pueden supervisar las líneas de producción. Es fácil seguir y contar los productos o las materias primas a medida que avanzan 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 detectar y seguir a los trabajadores en entornos de fabricación potencialmente peligrosos. Los sistemas de visión artificial pueden delimitar y supervisar constantemente las zonas peligrosas, y avisar a los supervisores si los trabajadores seguidos se acercan a ellas. Estos sistemas de seguridad también pueden detectar y seguir equipos, lo que reduce el riesgo de robo.

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

Seguimiento de objetos y vigilancia con Ultralytics YOLO11#

El seguimiento de objetos en tiempo real se utiliza ampliamente en sistemas de seguridad y vigilancia. Estos sistemas pueden supervisar espacios públicos, centros de transporte y grandes superficies comerciales, como los centros comerciales. Las zonas grandes y concurridas pueden aprovechar esta tecnología para seguir a personas sospechosas o analizar el comportamiento de la multitud y ofrecer una supervisión continua. Por ejemplo, durante la pandemia se utilizaron sistemas de seguimiento de objetos para vigilar las zonas concurridas y comprobar que las personas mantenían la distancia social.

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

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

Prueba el seguimiento de objetos con Ultralytics YOLO11#

Ahora que hemos visto algunas aplicaciones del seguimiento de objetos, veamos cómo puedes probarlo con el modelo Ultralytics YOLO11 y el modo de seguimiento.

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

Cuando hayas instalado el paquete correctamente, ejecuta el siguiente código. En él se explica 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» significa Nano, la variante más pequeña del modelo YOLO11. También puedes elegir otras variantes del modelo: pequeña, mediana, grande y extragrande.

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

También puedes 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 hemos mencionado antes, los siguientes modelos YOLO11 admiten el seguimiento de objetos: detección de objetos, estimación de poses y segmentación de instancias. Si tienes una aplicación específica que implique seguimiento, puedes entrenar a medida cualquiera de estos modelos según tus necesidades. Puedes entrenar un modelo a medida con el paquete de Python de Ultralytics o con la plataforma sin código Ultralytics HUB (ahora Ultralytics Platform).

Conclusiones clave#

Ultralytics YOLO11 es una herramienta excelente para seguir objetos en vídeos y puede utilizarse en muchos ámbitos, como los coches autónomos, la agricultura, la fabricación y la seguridad. Detecta y sigue objetos en tiempo real, lo que ayuda a empresas y sectores a controlar a sus trabajadores y equipos. El modelo es fácil de usar y se puede personalizar según necesidades específicas, por lo que es una buena opción para quienes quieran adoptar la visión artificial.

Para obtener más información, visita nuestro repositorio de GitHub y participa en nuestra comunidad. Descubre aplicaciones de IA para coches autónomos y agricultura en nuestras páginas de soluciones.