20 novembre 2024
Rejoignez-nous pour examiner de plus près comment utiliser Ultralytics YOLO11 pour le suivi d'objets dans des applications en temps réel telles que la surveillance, l'agriculture et la fabrication.
Supposons que vous souhaitiez surveiller et suivre le mouvement des composants sur une chaîne de montage dans une usine de fabrication afin d'assurer le contrôle de la qualité et d'améliorer l'efficacité du flux de travail. En général, cela impliquerait des inspections manuelles ou l'utilisation de capteurs de base pour suivre les éléments, ce qui peut prendre du temps et être sujet à des 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 permet de détecter, d'identifier et de suivre des objets dans une vidéo. Il peut être utilisé pour une grande variété d'applications, de la surveillance des animaux dans les fermes à la sécurité et à la surveillance dans les magasins de vente au 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 la trame 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 d'IA de vision, y compris le suivi d'objets. Dans cet article, nous allons explorer le fonctionnement du suivi d'objets et discuter de ses applications dans le monde réel. Nous verrons également comment vous pouvez essayer le suivi d'objets en utilisant YOLO11. Commençons !
Le suivi d'objets est une technique essentielle de vision par ordinateur. Il permet d'identifier et de suivre les 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 principale différence entre les deux réside dans la façon dont ils traitent les trames vidéo. La détection d'objets examine chaque trame individuellement, identifiant et classifiant les objets sans tenir compte des trames précédentes ou futures. Le suivi d'objets, quant à lui, relie les points entre les trames, en suivant les mêmes objets au fil du temps et en gardant une trace de leurs mouvements.
Voici une présentation plus détaillée du fonctionnement du suivi d'objets :
Ultralytics prend en charge le suivi d'objets en temps réel en exploitant des algorithmes de suivi avancés tels que BoT-SORT et ByteTrack. Il fonctionne également de manière transparente avec les modèles YOLO11 de segmentation et d'estimation de pose, ce qui en fait un outil flexible pour un large éventail de tâches de suivi.
Les capacités polyvalentes du modèle Ultralytics YOLO11 ouvrent un large éventail d'applications possibles dans de nombreux secteurs. Examinons de plus près quelques cas d'utilisation du suivi d'objets YOLO11.
Le suivi d'objets est essentiel pour aider les voitures autonomes à fonctionner de manière sûre et efficace. 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 les éléments clés de son environnement, tels que les piétons, les cyclistes, les autres véhicules et les panneaux de signalisation. Cependant, la détection de ces objets à un instant donné 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 sur plusieurs images. Par exemple, il aide les véhicules autonomes à prédire la direction dans laquelle un piéton se dirige, 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.
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 d'étiquettes, ont souvent des inconvénients. Ces dispositifs peuvent stresser les animaux lorsqu'ils sont attachés et sont susceptibles de tomber ou d'être endommagés, ce qui perturbe le suivi.
La vision par ordinateur offre une meilleure solution aux agriculteurs pour surveiller et suivre les animaux sans avoir besoin d'étiquettes physiques. Le suivi d'objets peut donner aux agriculteurs des informations précieuses sur le comportement et la santé des animaux. Par exemple, il peut aider à détecter des affections comme la boiterie qui affectent la façon dont un animal marche. En utilisant le suivi d'objets, les agriculteurs peuvent repérer les changements subtils dans les mouvements et traiter les problèmes de santé précocement.
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 des troupeaux, 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 vision par ordinateur est un outil pratique et efficace pour l'agriculture moderne.
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 chaînes de production. Les produits ou les matières premières peuvent être facilement suivis et comptés lorsqu'ils se déplacent sur un convoyeur. 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 en permanence à l'aide de systèmes de vision par ordinateur, et les superviseurs peuvent être avertis si des travailleurs (étant suivis) s'approchent de ces zones. De tels systèmes de sécurité peuvent également être utilisés pour détecter et suivre l'équipement, empêchant ainsi les risques de vol.
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 centres de transport et les grands environnements de vente au détail tels que les centres commerciaux. Les zones vastes et fréquentées peuvent utiliser cette technologie pour suivre les individus suspects ou le comportement des foules, offrant ainsi une solution de surveillance transparente. Par exemple, pendant la pandémie, les systèmes de suivi d'objets ont été utilisés pour suivre les zones surpeuplées et s'assurer que les gens respectaient la distanciation sociale.
Le suivi d'objets peut également être utilisé dans la surveillance du trafic. Il permet de suivre et d'analyser le comportement des véhicules, en repérant les 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 la vitesse. Ils peuvent détecter et suivre un véhicule pour déterminer sa vitesse.
Maintenant que nous avons exploré certaines des applications du suivi d'objets, voyons comment vous pouvez l'essayer en utilisant le modèle Ultralytics YOLO11.
Pour démarrer, installez le paquet Python Ultralytics en utilisant pip, conda ou Docker. Si vous rencontrez des difficultés lors de l'installation, notre Guide des problèmes courants offre des conseils de dépannage utiles.
Une fois que vous avez installé le package avec succès, exécutez le code suivant. Il décrit comment charger le modèle Ultralytics YOLO11 et l'utiliser pour suivre les 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 au choix : petit, moyen, grand et très grand.
Vous pouvez 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 votre application spécifique.
Comme mentionné précédemment, le suivi d'objets est pris en charge pour les modèles YOLO11 suivants : la détection d'objets, l'estimation de pose et la segmentation d'instance. Si vous avez une application spécifique impliquant le suivi, vous pouvez entraîner sur mesure l'un de ces modèles en fonction de votre application. Vous pouvez entraîner un modèle sur mesure à l'aide du package Python Ultralytics ou de la plateforme sans code, Ultralytics HUB.
Ultralytics YOLO11 est un excellent outil pour suivre les objets dans les 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 les objets en temps réel, aidant ainsi les entreprises et les industries à suivre leurs travailleurs et leurs équipements. Le modèle est facile à utiliser et peut être personnalisé pour des besoins spécifiques, ce qui en fait une bonne option pour toute personne intéressée à adopter de manière transparente les capacités de vision par ordinateur.
Pour en savoir plus, consultez 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. 🚀
.webp)