Comment utiliser Ultralytics YOLO11 pour le suivi d'objets

Imaginons que tu souhaites surveiller et suivre le mouvement de composants sur une ligne d'assemblage dans une installation de fabrication afin de garantir le contrôle qualité et d'améliorer l'efficacité du flux de travail. Généralement, cela impliquerait des inspections manuelles ou l'utilisation de capteurs de base pour suivre les articles, ce qui peut être chronophage et sujet aux erreurs. Cependant, la vision par ordinateur et le suivi d'objets peuvent être utilisés pour automatiser et améliorer ce processus.

Le suivi d'objets est une tâche de vision par ordinateur qui aide à détecter, identifier et suivre des objets dans une vidéo. Il peut être utilisé pour une grande variété d'applications, de la surveillance animale dans les fermes à la sécurité et à la surveillance dans les magasins de détail. Les objets suivis dans une vidéo sont généralement visualisés à l'aide de boîtes englobantes pour aider l'utilisateur à voir exactement où ils sont situés et détectés dans l'image vidéo.

Lancé lors de l'événement hybride annuel d'Ultralytics, YOLO Vision 2024 (YV24), Ultralytics YOLO11 est un modèle de vision par ordinateur capable de gérer une grande variété de tâches de vision IA, y compris le suivi d'objets. Dans cet article, nous explorerons le fonctionnement du suivi d'objets et discuterons de ses applications concrètes. Nous verrons également comment tu peux essayer le suivi d'objets en utilisant YOLO11. Commençons !

Fig 1. Un exemple d'utilisation de YOLO11 pour le suivi d'objets dans un magasin de détail.

Link to this sectionSuivi d'objets alimenté par l'IA avec YOLO11#

Le suivi d'objets est une technique essentielle de vision par ordinateur. Il permet d'identifier et de suivre des objets dans une vidéo au fil du temps. Le suivi d'objets peut sembler très similaire à une autre tâche de vision par ordinateur : la détection d'objets. La différence clé entre les deux réside dans la manière dont ils traitent les images vidéo. La détection d'objets examine chaque image individuellement, identifiant et classant les objets sans tenir compte des images précédentes ou futures. Le suivi d'objets, en revanche, relie les points entre les images, suivant les mêmes objets au fil du temps et gardant une trace de leurs mouvements.

Voici un guide plus détaillé sur le fonctionnement du suivi d'objets :

• Détection d'objets : Le processus commence par la détection d'objets dans une seule image d'une vidéo. YOLO11 peut être utilisé pour identifier plusieurs objets et leurs emplacements avec précision.
• Assignation d'ID uniques : Chaque objet détecté se voit attribuer un ID unique pour le distinguer des autres et faciliter son suivi.
• Suivi du mouvement entre les images : Un algorithme de suivi suit les objets à travers les images suivantes, mettant à jour leurs positions tout en maintenant l'association avec leurs ID uniques.
• Gestion des occlusions : Si un objet disparaît temporairement de la vue (par exemple, bloqué par un autre objet), le système s'assure que le suivi reprend dès que l'objet réapparaît.
• Mise à jour des informations sur l'objet : À mesure que les objets bougent, leurs positions et attributs (comme la vitesse ou la direction) sont continuellement mis à jour pour refléter les changements au fil du temps.

Ultralytics prend en charge le suivi d'objets en temps réel en tirant parti d'algorithmes de suivi avancés tels que BoT-SORT et ByteTrack. Il fonctionne également de manière transparente avec la segmentation et l'estimation de pose des modèles YOLO11, ce qui en fait un outil flexible pour une large gamme de tâches de suivi.

Link to this sectionApplications du suivi d'objets YOLO11#

Les capacités polyvalentes du modèle Ultralytics YOLO11 ouvrent un large éventail d'applications possibles dans de nombreuses industries. Examinons de plus près quelques cas d'utilisation du suivi d'objets avec YOLO11.

Link to this sectionYOLO11 pour le suivi de véhicules autonomes#

Le suivi d'objets est crucial pour aider les voitures autonomes à fonctionner en toute sécurité et efficacement. Ces véhicules doivent constamment comprendre leur environnement pour prendre des décisions en temps réel, comme s'arrêter, tourner ou changer de voie. La détection d'objets permet à la voiture d'identifier des éléments clés dans son environnement, tels que des piétons, des cyclistes, d'autres véhicules et des panneaux de signalisation. Cependant, détecter ces objets à un moment précis ne suffit pas pour une navigation sûre.

C'est là qu'intervient le suivi d'objets. Il permet à la voiture de suivre ces objets au fil du temps, en suivant leurs mouvements à travers plusieurs images. Par exemple, cela aide les véhicules autonomes à prédire où un piéton se dirige, à surveiller la vitesse et la direction des véhicules à proximité, ou à reconnaître qu'un feu de signalisation n'a pas changé. En combinant la détection et le suivi, les voitures autonomes peuvent anticiper le mouvement des objets qui les entourent, réagir de manière proactive et conduire de manière sûre et fluide.

Fig 2. YOLO11 peut être utilisé pour détecter et suivre des voitures.

Link to this sectionUtiliser le suivi d'objets YOLO11 pour surveiller les animaux#

Le suivi des animaux dans une ferme, comme le bétail, est essentiel pour une gestion efficace, mais cela peut être une tâche fastidieuse et chronophage. Les méthodes traditionnelles, telles que l'utilisation de capteurs ou de balises, présentent souvent des inconvénients. Ces dispositifs peuvent stresser les animaux lorsqu'ils sont attachés et sont sujets à tomber ou à être endommagés, ce qui perturbe le suivi.

La vision par ordinateur offre une meilleure solution pour les agriculteurs pour surveiller et suivre les animaux sans avoir besoin de balises physiques. Le suivi d'objets peut donner aux agriculteurs des informations précieuses sur le comportement et la santé des animaux. Par exemple, cela peut aider à détecter des conditions comme la boiterie qui affecte la façon dont un animal marche. En utilisant le suivi d'objets, les agriculteurs peuvent repérer des changements subtils dans le mouvement et traiter les problèmes de santé rapidement.

Au-delà de la surveillance de la santé, la vision par ordinateur peut également aider les agriculteurs à comprendre d'autres comportements, tels que les interactions sociales, les habitudes alimentaires et les schémas de mouvement. Ces informations peuvent améliorer la gestion du troupeau, optimiser les programmes d'alimentation et favoriser le bien-être général des animaux. En réduisant le travail manuel et en minimisant le stress pour les animaux, le suivi basé sur la vision par ordinateur est un outil pratique et efficace pour l'agriculture moderne.

Fig 3. Utilisation de YOLO11 pour suivre des agriculteurs et une vache.

Link to this sectionLe suivi d'objets dans la fabrication en utilisant YOLO11#

Le suivi d'objets a de nombreux cas d'utilisation dans le secteur de la fabrication. Par exemple, les systèmes de détection et de suivi d'objets peuvent surveiller les lignes de production. Les produits ou matières premières peuvent être facilement suivis et comptés à mesure qu'ils se déplacent sur un tapis roulant. Ces systèmes peuvent également être intégrés à d'autres systèmes de vision par ordinateur pour effectuer des tâches supplémentaires. Par exemple, un article présentant un défaut peut être identifié à l'aide d'un système de détection de défauts et suivi à l'aide du suivi d'objets pour s'assurer qu'il est correctement pris en charge.

Une autre application importante du suivi d'objets dans la fabrication est liée à la sécurité. Les systèmes de suivi d'objets peuvent être utilisés pour détecter et suivre les travailleurs dans des environnements de fabrication potentiellement dangereux. Les zones dangereuses peuvent être marquées et surveillées constamment à l'aide de systèmes de vision par ordinateur, et les superviseurs peuvent être avertis si des travailleurs (suivis) s'approchent de ces zones. De tels systèmes de sécurité peuvent également être utilisés pour détecter et suivre l'équipement, évitant ainsi tout risque de vol.

Fig 4. Un exemple de détection d'objets YOLO11 utilisée pour détecter des travailleurs.

Link to this sectionSuivi d'objets et surveillance utilisant YOLO11#

Le suivi d'objets en temps réel est largement utilisé dans les systèmes de sécurité et de surveillance. Ces systèmes peuvent être utilisés pour surveiller les lieux publics, les hubs de transport et les grands environnements de vente au détail comme les centres commerciaux. Les zones vastes et bondées peuvent utiliser cette technologie pour suivre des individus suspects ou le comportement des foules, offrant une solution de surveillance fluide. Par exemple, pendant la pandémie, des systèmes de suivi d'objets ont été utilisés pour surveiller les zones bondées et s'assurer que les gens maintenaient une distanciation sociale.

Le suivi d'objets peut également être utilisé dans la surveillance du trafic. Le suivi d'objets permet de suivre et d'analyser le comportement des véhicules, en repérant des actions inhabituelles ou suspectes en temps réel pour aider à prévenir les accidents ou les crimes. Un bon exemple est celui des systèmes d'estimation de vitesse. Ils peuvent détecter et suivre un véhicule pour déterminer sa vitesse.

Fig 5. L'estimation de la vitesse peut être effectuée en utilisant le suivi d'objets.

Link to this sectionEssaie le suivi d'objets avec Ultralytics YOLO11#

Maintenant que nous avons exploré certaines des applications du suivi d'objets, discutons de la façon dont tu peux l'essayer en utilisant le modèle Ultralytics YOLO11.

Pour commencer, installe le package Python Ultralytics en utilisant pip, conda ou Docker. Si tu rencontres des difficultés lors de l'installation, notre Guide des problèmes courants offre des conseils de dépannage utiles.

Une fois que tu as installé le package avec succès, exécute le code suivant. Il décrit comment charger le modèle Ultralytics YOLO11 et l'utiliser pour suivre des objets dans un fichier vidéo. Le modèle utilisé dans le code est “yolo11n.pt”. Le « n » signifie Nano - la plus petite variante du modèle YOLO11. Il existe également d'autres variantes de modèles parmi lesquelles choisir : petit, moyen, grand et extra-grand.

Fig 6. Un extrait de code qui présente le suivi d'objets en utilisant le modèle YOLO11.

Tu peux également choisir d'utiliser un modèle personnalisé au lieu d'un modèle pré-entraîné. L'entraînement personnalisé implique un ajustement (fine-tuning) d'un modèle pré-entraîné pour l'adapter à ton application spécifique.

Comme mentionné précédemment, le suivi d'objets est pris en charge pour les modèles YOLO11 suivants : détection d'objets, estimation de pose et segmentation d'instance. Si tu as une application spécifique impliquant le suivi, tu peux entraîner sur mesure n'importe lequel de ces modèles en fonction de ton application. Tu peux entraîner un modèle sur mesure en utilisant le package Python Ultralytics ou la plateforme sans code, Ultralytics HUB.

Link to this sectionPoints clés#

Ultralytics YOLO11 est un excellent outil pour suivre des objets dans des vidéos, et il peut être utilisé dans de nombreux domaines différents, tels que les voitures autonomes, l'agriculture, la fabrication et la sécurité. Il peut détecter et suivre des objets en temps réel, aidant les entreprises et les industries à garder une trace de leurs travailleurs et de leur équipement. Le modèle est facile à utiliser et peut être personnalisé pour des besoins spécifiques, ce qui en fait une bonne option pour quiconque souhaite adopter des capacités de vision par ordinateur de manière transparente.

Pour en savoir plus, visitez notre dépôt GitHub et échangez avec notre communauté. Explorez les applications de l'IA dans les voitures autonomes et l'agriculture sur nos pages de solutions. 🚀