Cómo usar Ultralytics YOLO11 para el seguimiento de objetos

Digamos que quieres supervisar y rastrear el movimiento de componentes en una línea de montaje en una planta de manufacturing para garantizar el quality control y mejorar la eficiencia del flujo de trabajo. Por lo general, esto implicaría inspecciones manuales o el uso de sensores básicos para rastrear elementos, lo que puede llevar mucho tiempo y ser propenso a errores. Sin embargo, la computer vision y el object tracking se pueden utilizar para automatizar y mejorar este proceso.

El seguimiento de objetos es una computer vision task que ayuda a detectar, identificar y rastrear objetos en un vídeo. Se puede utilizar para una amplia variedad de aplicaciones, desde el animal monitoring en granjas hasta la security y la surveillance en tiendas retail. Los objects being tracked en un vídeo se suelen visualized mediante bounding boxes para ayudar al usuario a ver exactamente dónde se encuentran y se detectan dentro del fotograma del vídeo.

Lanzado durante el Ultralytics’ annual hybrid event, YOLO Vision 2024 (YV24), Ultralytics YOLO11 es un computer vision model que puede gestionar una gran variedad de tareas de vision AI, incluido el seguimiento de objetos. En este artículo, exploraremos cómo funciona el object tracking y hablaremos de aplicaciones del mundo real. También echaremos un vistazo a cómo puedes probar el seguimiento de objetos usando YOLO11. ¡Empecemos!

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

Seguimiento de objetos impulsado por IA con Ultralytics YOLO11#

El Object tracking es una técnica de visión artificial esencial. Hace posible que los objetos de 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 object detection. La diferencia clave entre ambas radica en cómo manejan los fotogramas de vídeo. La Object detection analiza cada fotograma de forma individual, identificando y clasificando objetos sin tener en cuenta los fotogramas anteriores o futuros. El Object tracking, por otro lado, conecta los puntos entre fotogramas, siguiendo a los mismos objetos a lo largo del tiempo y registrando sus movimientos.

Aquí tienes una explicación más detallada de cómo funciona el object tracking:

• Detección de objetos: El proceso comienza detectando objetos en un solo fotograma de un vídeo. YOLO11 se puede utilizar 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.
• Track movement entre fotogramas: Un algoritmo de seguimiento sigue a los objetos a través de los fotogramas posteriores, actualizando sus posiciones mientras mantiene la asociación con sus ID 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 de forma fluida con los YOLO11 models de segmentation y pose estimation, lo que la convierte en una herramienta flexible para una amplia gama de tareas de seguimiento.

Aplicaciones del seguimiento de objetos de Ultralytics YOLO11#

Las versátiles capacidades del Ultralytics YOLO11 model abren un amplio abanico de posibles aplicaciones en muchas industrias. Echemos un vistazo más de cerca a algunos casos de uso del seguimiento de objetos con YOLO11.

Ultralytics YOLO11 para el seguimiento en vehículos autónomos#

El seguimiento de objetos es crucial para ayudar a que los coches self-driving funcionen de forma segura y eficiente. Estos vehículos necesitan comprender constantemente su entorno para tomar decisiones en tiempo real, como detenerse, girar o cambiar de carril. La Object detection permite al coche identificar elementos clave en su entorno, como peatones, cyclists, otros vehículos y señales de tráfico. Sin embargo, detectar estos objetos en un solo instante no es suficiente para una navegación segura.

Aquí es donde entra en juego el seguimiento de objetos. Permite al coche seguir a estos objetos a lo largo del tiempo, rastreando sus movimientos en múltiples fotogramas. Por ejemplo, ayuda a los autonomous vehicles 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 detection 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. Ultralytics YOLO11 se puede usar para detectar y rastrear coches.

Uso del seguimiento de objetos con Ultralytics YOLO11 para monitorizar animales#

El Tracking animals en una granja, como el ganado, es vital para una gestión eficaz, pero puede ser una tarea tediosa y lenta. 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 son propensos a desprenderse o dañarse, lo que interrumpe el seguimiento.

La computer vision ofrece una mejor solution for farmers para supervisar y rastrear animales sin necesidad de etiquetas físicas. El seguimiento de objetos puede proporcionar a los farmers información valiosa sobre el comportamiento y la salud de los animales. Por ejemplo, puede ayudar a detectar afecciones como la cojera que afectan a la forma en que camina un animal. Al utilizar el seguimiento de objetos, los farmers pueden detectar cambios sutiles en el movimiento y abordar los problemas de salud a tiempo.

Más allá de la supervisión de la salud, la computer vision también puede ayudar a los farmers 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 la mano de obra manual y minimizar el estrés para los animales, el seguimiento basado en computer vision es una herramienta práctica y eficiente para la agricultura moderna.

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

Seguimiento de objetos en la fabricación con Ultralytics YOLO11#

El seguimiento de objetos tiene muchos casos de uso en el sector del manufacturing. Por ejemplo, los sistemas de detección y seguimiento de objetos pueden supervisar las líneas de producción. Los productos o materias primas se pueden rastrear y counted fácilmente a medida que se desplazan por una cinta transportadora. Estos sistemas también se pueden integrated con otros sistemas de computer vision para realizar tareas adicionales. Por ejemplo, un artículo con un defecto se puede identificar utilizando un sistema de defect detection y rastrearlo mediante el seguimiento de objetos para garantizar que se gestione adecuadamente.

Otra aplicación importante del seguimiento de objetos en la fabricación está relacionada con la safety. Los sistemas de seguimiento de objetos se pueden utilizar para detectar y rastrear a los trabajadores en entornos de fabricación potencialmente peligrosos. Las zonas peligrosas se pueden marcar y supervisar constantemente mediante sistemas de computer vision, y se puede notificar a los supervisores si los trabajadores (que están siendo rastreados) se acercan a dichas zonas. Estos safety systems también se pueden utilizar para detectar y rastrear equipos, previniendo la posibilidad de theft.

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

Seguimiento de objetos y videovigilancia con Ultralytics YOLO11#

El seguimiento de objetos en tiempo real se utiliza ampliamente en los sistemas de seguridad y vigilancia. Estos sistemas se pueden utilizar para monitor public places, transportation hubs y grandes retail environments como centros comerciales. Las áreas grandes y concurridas pueden utilizar esta tecnología para rastrear a individuos sospechosos o el comportamiento de las multitudes, proporcionando una solución de vigilancia perfecta. 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 utilizar en la traffic surveillance. 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 speed estimation. Pueden detectar y track a vehicle para determinar su velocidad.

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

Prueba el seguimiento de objetos con Ultralytics YOLO11#

Ahora que hemos explorado algunas de las aplicaciones del seguimiento de objetos, hablemos de cómo puedes probarlo utilizando el Ultralytics YOLO11 model.

Para get started, instala el Ultralytics Python package usando pip, conda o Docker. Si te encuentras con algún problema durante la instalación, nuestra Common Issues Guide ofrece útiles consejos de resolución de problemas.

Una vez que hayas installed el paquete con éxito, ejecuta el siguiente código. En él se describe cómo cargar el modelo Ultralytics YOLO11 y utilizarlo 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 modelo para elegir: pequeño (small), mediano (medium), grande (large) y extragrande (extra-large).

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

También puedes optar por utilizar un modelo entrenado a medida en lugar de un modelo preentrenado. El entrenamiento personalizado implica el fine-tuning de un modelo preentrenado para adaptarlo a tu specific application.

Como se mencionó anteriormente, el seguimiento de objetos es compatible con los siguientes modelos de YOLO11: detección de objetos, pose estimation e instance segmentation. Si tienes una aplicación específica que implique seguimiento, puedes entrenar a medida cualquiera de estos modelos según tu aplicación. Puedes entrenar un modelo a medida utilizando el Ultralytics Python package o la no-code platform, Ultralytics HUB.

Conclusiones 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 coches autónomos y agricultura en nuestras páginas de soluciones. 🚀