Comment utiliser Ultralytics YOLO11 pour le suivi d'objets

Imaginons que tu veuilles surveiller et suivre le mouvement de composants sur une chaîne de montage dans une usine de manufacturing pour garantir le quality control et améliorer l'efficacité du flux de travail. En général, cela implique des inspections manuelles ou l'utilisation de capteurs de base pour suivre les articles, ce qui peut prendre du temps et être source d'erreurs. Cependant, la computer vision et l'object tracking peuvent être utilisés pour automatiser et améliorer ce processus.

Le suivi d'objets est une computer vision task qui aide à détecter, identifier et suivre des objets dans une vidéo. Il peut être utilisé pour une grande variété d'applications, de la animal monitoring dans les fermes à la security et à la surveillance dans les magasins de retail. Les objects being tracked dans une vidéo sont généralement visualized à l'aide de bounding boxes pour aider l'utilisateur à voir exactement où ils se trouvent et sont détectés dans l'image vidéo.

Lancé lors de l'événement hybride annuel d'Ultralytics, YOLO Vision 2024 (YV24), Ultralytics YOLO11 est un computer vision model qui peut gérer une grande variété de tâches de vision AI, y compris l'object tracking. Dans cet article, nous allons explorer le fonctionnement de l'object tracking et discuter d'applications du monde réel. Nous verrons également comment tu peux essayer l'object tracking avec YOLO11. C'est parti !

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

Suivi d'objets propulsé par l'IA avec Ultralytics YOLO11#

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

Voici une présentation plus détaillée du fonctionnement de l'object tracking :

• Object detection : 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 à travers les images : Un algorithme de suivi suit les objets à travers les images successives, mettant à jour leurs positions tout en maintenant l'association avec leurs identifiants 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 l'object tracking en temps réel en s'appuyant sur des algorithmes de suivi avancés tels que BoT-SORT et ByteTrack. Il fonctionne également de manière transparente avec les modèles YOLO11 de segmentation et de pose estimation, ce qui en fait un outil flexible pour un large éventail de tâches de suivi.

Applications du suivi d'objets avec Ultralytics 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 de l'object tracking avec YOLO11.

Ultralytics YOLO11 pour le suivi de véhicules autonomes#

L'object tracking 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. L'object detection permet à la voiture d'identifier les éléments clés de son environnement, tels que les piétons, les cyclistes, les autres véhicules et les panneaux de signalisation. Cependant, détecter ces objets à un moment donné ne suffit pas pour une navigation sûre.

C'est là que l'object tracking intervient. Il permet à la voiture de suivre ces objets au fil du temps, en suivant leurs mouvements sur plusieurs images. Par exemple, il aide les véhicules autonomes à prédire où se dirige un piéton, à surveiller la vitesse et la direction des véhicules à proximité, ou à reconnaître qu'un feu de circulation 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 en toute sécurité et en douceur.

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

Utiliser le suivi d'objets avec Ultralytics YOLO11 pour surveiller des 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 appareils peuvent stresser les animaux lorsqu'ils sont attachés et ont tendance à tomber ou à être endommagés, ce qui perturbe le suivi.

La computer vision offre une meilleure solution pour les agriculteurs afin de surveiller et de suivre les animaux sans avoir besoin de balises physiques. L'object tracking peut fournir aux agriculteurs des informations précieuses sur le comportement et la santé des animaux. Par exemple, il peut aider à détecter des conditions telles que la boiterie qui affectent la façon dont un animal marche. En utilisant l'object tracking, les agriculteurs peuvent repérer des changements subtils dans le mouvement et traiter les problèmes de santé tôt.

Au-delà de la surveillance de la santé, la computer vision 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 calendriers d'alimentation et promouvoir le bien-être général des animaux. En réduisant le travail manuel et en minimisant le stress pour les animaux, le suivi basé sur la computer vision est un outil pratique et efficace pour l'agriculture moderne.

Fig 3. Utilisation d'Ultralytics YOLO11 pour suivre des agriculteurs et une vache.

Suivi d'objets dans la fabrication en utilisant Ultralytics YOLO11#

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

Une autre application importante de l'object tracking dans la fabrication concerne la security. Les systèmes d'object tracking peuvent être utilisés pour détecter et suivre les travailleurs dans des environnements de fabrication potentiellement dangereux. Les zones dangereuses peuvent être signalées et surveillées en permanence à l'aide de systèmes de computer vision, et les superviseurs peuvent être avertis si des travailleurs (qui sont suivis) s'approchent de telles 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 d'object detection avec YOLO11 utilisée pour détecter des travailleurs.

Suivi d'objets et surveillance à l'aide d'Ultralytics YOLO11#

L'object tracking 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 centres de transport et les grands environnements de vente au détail comme les centres commerciaux. Les zones vastes et fréquentées peuvent utiliser cette technologie pour suivre des individus suspects ou le comportement des foules, offrant ainsi une solution de surveillance fluide. Par exemple, pendant la pandémie, les systèmes d'object tracking ont été utilisés pour surveiller les zones bondées et s'assurer que les gens maintenaient une distanciation sociale.

L'object tracking peut également être utilisé dans la surveillance du trafic. L'object tracking 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 les systèmes d'estimation de la vitesse. Ils peuvent détecter et suivre un véhicule pour déterminer sa vitesse.

Fig 5. L'estimation de la vitesse peut être effectuée à l'aide de l'object tracking.

Essaie le suivi d'objets avec Ultralytics YOLO11#

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

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

Une fois que tu as installé le paquet avec succès, exécute le code suivant. Il explique 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 modèle parmi lesquelles choisir : small, medium, large et extra-large.

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

Tu peux également choisir d'utiliser un modèle entraîné sur mesure au lieu d'un modèle pré-entraîné. L'entraînement personnalisé implique le réglage fin d'un modèle pré-entraîné pour l'adapter à ton application spécifique.

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

Points 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, visite notre dépôt GitHub et échange avec notre communauté. Explore les applications de l'IA dans les voitures autonomes et l'agriculture sur nos pages de solutions. 🚀