Seguimiento de objetos

El seguimiento de objetos es una tarea fundamental de la visión por ordenador (VC ) que consiste en identificar y seguir objetos específicos a medida que se mueven a través de una secuencia de fotogramas de vídeo o flujos de cámara. A diferencia de la detección de objetos, que se centra en localizar objetos en imágenes estáticas individuales o en fotogramas de vídeo individuales, el seguimiento de objetos mantiene la identidad y la trayectoria de estos objetos a lo largo del tiempo. Este seguimiento continuo permite a los sistemas comprender el movimiento, el comportamiento y las interacciones de los objetos en entornos dinámicos, lo que proporciona información más rica que la detección por sí sola. Es un componente esencial de muchas aplicaciones de IA de visión.

Cómo funciona el seguimiento de objetos

El seguimiento de objetos suele comenzar con la detección de objetos en el fotograma inicial mediante un detector de objetos, como el modelo YOLO de Ultralytics. Una vez detectado un objeto, a menudo representado por un cuadro delimitador, el algoritmo de seguimiento le asigna un ID único. En los fotogramas siguientes, el algoritmo predice la nueva ubicación del objeto basándose en su estado anterior, que puede incluir características de posición, velocidad y apariencia. En esta predicción suelen intervenir técnicas como la estimación del movimiento. A continuación, el sistema asocia los objetos recién detectados en el fotograma actual con los objetos rastreados existentes, actualizando sus trayectorias y manteniendo sus ID únicos.

Este proceso debe hacer frente a varios retos, como los objetos que se ocultan temporalmente (oclusión), los cambios en la apariencia de los objetos, las interacciones complejas entre varios objetos y las variaciones en la iluminación o el punto de vista de la cámara. Entre las técnicas más utilizadas para hacer frente a estos problemas se incluyen métodos de filtrado como el filtro de Kalman (KF ) para la predicción y asociación de movimiento, y enfoques más avanzados de aprendizaje profundo (DL) como SORT (Simple Online and Realtime Tracking) y DeepSORT, que combinan características de movimiento y apariencia para un seguimiento más robusto. Los modelos de Ultralytics admiten varios rastreadores disponibles para implementar estas técnicas. La gestión eficaz de la oclusión es crucial para mantener la continuidad del seguimiento.

Principales diferencias con otros conceptos afines

Es importante distinguir el seguimiento de objetos de otras tareas relacionadas con la visión por ordenador:

• Detección de objetos: Identifica y localiza objetos (normalmente con cuadros delimitadores) dentro de una sola imagen o fotograma. Responde a la pregunta "¿Qué objetos están dónde en este fotograma?". El seguimiento de objetos se basa en la detección añadiendo la dimensión temporal, respondiendo a "¿Dónde se movió este objeto específico a lo largo del tiempo?".
• Clasificación de imágenes: Asigna una única etiqueta a toda una imagen (por ejemplo, 'contiene un gato'). No localiza objetos ni los rastrea.
• Segmentación de imágenes: Asigna una etiqueta de clase a cada píxel de una imagen. Mientras que la segmentación por instancias distingue diferentes instancias de objetos, la segmentación estándar no realiza un seguimiento de estas instancias a través de los fotogramas. Combinar la segmentación de instancias con el seguimiento(segmentación y seguimiento de instancias) es una tarea relacionada pero más compleja que proporciona máscaras a nivel de píxel para los objetos seguidos.

Aplicaciones reales

El seguimiento de objetos, en concreto el seguimiento múltiple de objetos (MOT), es crucial para numerosas aplicaciones de IA en el mundo real:

• Vehículos autónomos: Esencial para el seguimiento de peatones, ciclistas y otros vehículos con el fin de predecir su movimiento, lo que permite una navegación segura y evitar colisiones. Esta capacidad es fundamental para alcanzar niveles más altos de automatización de la conducción e impulsa muchas soluciones de IA en coches autónomos.
• Videovigilancia y seguridad: Supervisión de personas o vehículos en zonas sensibles, detección de comportamientos inusuales y activación de alertas automatizadas. Los ejemplos incluyen la creación de un sistema de alarma de seguridad o el uso de cámaras de seguridad de IA para la protección del perímetro.
• Análisis del comercio minorista: Seguimiento de los recorridos de los clientes por las tiendas para optimizar la distribución, analizar los tiempos de permanencia, realizar una gestión automatizada de las colas y comprender los patrones de compra para mejorar las experiencias de los clientes en la IA en el comercio minorista.
• Análisis deportivo: Seguir a los jugadores y el balón durante los partidos proporciona datos valiosos para el análisis del rendimiento, la planificación táctica y la generación de resúmenes automatizados. Más información sobre la visión por ordenador en el deporte.
• Robótica: Permitir a los robots seguir e interactuar con objetos o personas en entornos dinámicos, crucial para tareas como la fabricación colaborativa o la navegación autónoma en almacenes.
• Seguimiento de la fauna salvaje: Seguimiento no invasivo de animales para estudiar su comportamiento, patrones de migración y tamaño de las poblaciones, lo que contribuye a los esfuerzos de conservación. Se han utilizado modelos ultralíticos como YOLOv8 para el seguimiento de animales.
• Gestión del tráfico: Supervisión del flujo de vehículos, recuento de vehículos en regiones específicas(Region Counting) y detección de incidentes para una infraestructura urbana más inteligente(AI in traffic management).

Herramientas y aplicación

La implementación del seguimiento de objetos suele implicar la combinación de modelos de detección de objetos con algoritmos de seguimiento. Bibliotecas populares como OpenCV proporcionan funcionalidades básicas de seguimiento. Frameworks como PyTorch y TensorFlow se utilizan para construir y entrenar los modelos de detección subyacentes. Ultralytics simplifica este proceso integrando capacidades de seguimiento directamente en sus modelos como YOLO11. Los usuarios pueden activar fácilmente el rastreo utilizando el modo de rastreo dedicado. Para gestionar todo el flujo de trabajo, desde la anotación de datos hasta su despliegue, plataformas como Ultralytics HUB ofrecen herramientas completas. Para empezar, puede seguir guías como la de YOLO11 Object Tracking.