Seguimiento de objetos

El seguimiento de objetos es una tarea fundamental en la visión artificial (CV) que implica identificar y seguir uno o más objetos en movimiento a través de una secuencia de fotogramas de vídeo. A diferencia de la detección de objetos, que localiza objetos en una sola imagen, el seguimiento de objetos añade una dimensión temporal asignando un ID único a cada objeto y manteniendo su identidad a medida que se mueve, cambia de apariencia o se ocluye temporalmente. Esta capacidad permite una comprensión más profunda del comportamiento de los objetos, las interacciones y los patrones de movimiento a lo largo del tiempo, lo que la convierte en una piedra angular de muchas aplicaciones dinámicas de análisis de vídeo.

Cómo funciona el seguimiento de objetos

El proceso de seguimiento de objetos normalmente comienza utilizando un modelo de detección de objetos para identificar y localizar objetos en el primer fotograma de un vídeo. A cada objeto detectado se le asigna un ID de seguimiento único. En los fotogramas siguientes, el algoritmo de seguimiento predice las nuevas posiciones de estos objetos e intenta hacerlos coincidir con los objetos recién detectados. Este proceso se basa en varias técnicas:

• Predicción de movimiento: Se utilizan algoritmos como el Filtro de Kalman (KF) para estimar la posición futura de un objeto basándose en sus estados pasados (ubicación, velocidad). Esto ayuda a reducir el área de búsqueda del objeto en el siguiente fotograma.
• Coincidencia de apariencia: Esto implica extraer características distintivas de un objeto, como histogramas de color o embeddings basados en deep learning. Estas características crean una firma única que ayuda a reidentificar el objeto incluso después de una oclusión o cambios significativos en la apariencia.
• Asociación de datos: Este es el paso crucial de hacer coincidir las pistas existentes con las nuevas detecciones. Algoritmos como el algoritmo húngaro o métodos más avanzados como ByteTrack y BoT-SORT gestionan esta asociación, incluso en escenarios complejos con muchos objetos.

Seguimiento de objetos vs. Detección de objetos

Si bien están estrechamente relacionados, el seguimiento de objetos y la detección de objetos tienen diferentes propósitos.

• Detección de Objetos: Es el proceso de identificar y clasificar objetos dentro de una sola imagen o fotograma de video. El resultado es un conjunto de bounding boxes, etiquetas de clase y puntuaciones de confianza para cada objeto. Responde a la pregunta: "¿Qué objetos hay en este fotograma?"
• Seguimiento de objetos: Esto se basa en la detección de objetos. Toma las detecciones de cada fotograma y las vincula a través de toda la secuencia de video, asignando un ID persistente a cada objeto. Responde a la pregunta: "¿Hacia dónde se dirige este objeto específico?"

En esencia, se puede pensar en la detección de objetos como la toma de instantáneas, mientras que el seguimiento de objetos crea una historia continua del recorrido de cada objeto a través del video. Los modelos YOLO de Ultralytics integran a la perfección ambos, lo que permite a los usuarios realizar un seguimiento de múltiples objetos con alta eficiencia y precisión.

Aplicaciones en el mundo real

El seguimiento de objetos es una tecnología transformadora con numerosas aplicaciones en diversas industrias.

• Vigilancia y seguridad inteligentes: En seguridad, el seguimiento de objetos se utiliza para supervisar personas y vehículos en tiempo real. Se puede configurar un sistema para seguir automáticamente a una persona que entra en una zona restringida, rastrear un vehículo sospechoso en un aparcamiento o contar el número de personas que entran y salen de un edificio. Esto permite alertas automatizadas y análisis forenses sin supervisión humana constante. Por ejemplo, se puede construir un sistema de alarma de seguridad para que se active cuando se rastree a una persona que se mueve a una zona predefinida fuera de horario.
• Vehículos Autónomos: Para los coches autónomos, el seguimiento de otros vehículos, peatones y ciclistas es fundamental para una navegación segura. Al rastrear los objetos circundantes, un vehículo puede predecir sus trayectorias, comprender su intención (por ejemplo, un peatón a punto de cruzar la calle) y tomar decisiones informadas para evitar colisiones. Este seguimiento continuo proporciona una comprensión mucho más rica del entorno que la detección de un solo fotograma.
• Análisis deportivo: Los entrenadores y analistas utilizan el seguimiento de objetos para supervisar los movimientos de los jugadores en el campo. Al rastrear a cada jugador, pueden analizar las formaciones, medir métricas de rendimiento como la distancia recorrida y la velocidad, y desarrollar mejores estrategias de juego. Esto se puede combinar con la estimación de la pose para analizar la técnica del jugador en detalle.
• Analítica Minorista (Retail Analytics): Los minoristas utilizan el seguimiento para comprender el comportamiento del cliente en las tiendas. Al analizar los patrones de tráfico peatonal, los tiempos de permanencia en diferentes pasillos y las interacciones con los productos, las empresas pueden optimizar la distribución de la tienda y mejorar la experiencia del cliente. Esto también se puede utilizar para la gestión de colas (queue management) para reducir los tiempos de espera en la caja.

Herramientas e implementación

Implementar soluciones robustas de seguimiento de objetos es más accesible que nunca con las herramientas y frameworks modernos.

• Bibliotecas y frameworks: Bibliotecas como OpenCV proporcionan herramientas fundamentales para el procesamiento de vídeo e incluyen varios algoritmos de seguimiento clásicos. Los frameworks de aprendizaje profundo modernos como PyTorch y TensorFlow se utilizan para construir los potentes modelos de detección que sirven de base para el seguimiento.
• Modelos Ultralytics YOLO: Ultralytics simplifica la implementación del seguimiento de alto rendimiento. Los modelos como YOLO11 vienen con capacidades de seguimiento integradas y altamente optimizadas que se pueden habilitar con un simple comando. Esta integración permite a los desarrolladores aprovechar la detección de última generación para tareas como el seguimiento de objetos, la segmentación de instancias y la pose. Puede comenzar rápidamente siguiendo la guía de seguimiento de objetos YOLO11.
• Plataformas Integrales (End-to-End): Para gestionar todo el ciclo de vida del aprendizaje automático, desde la anotación de datos hasta la implementación de modelos, plataformas como Ultralytics HUB ofrecen un conjunto completo de herramientas. Esto agiliza el proceso de entrenamiento de modelos personalizados y su implementación en entornos de producción.