Comment utiliser Ultralytics YOLO11 pour le suivi d’objets

Supposons que tu veuilles surveiller et suivre le déplacement de composants sur une chaîne de montage dans une installation de fabrication afin de garantir le contrôle qualité et d’améliorer l’efficacité du flux de travail. En général, cela impliquerait des inspections manuelles ou l’utilisation de capteurs basiques pour suivre les éléments, 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 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 exploitations agricoles à la sécurité et à la vidéosurveillance dans les magasins de vente au détail. Les objets suivis dans une vidéo sont généralement visualisés à l’aide de boîtes englobantes, afin d’aider l’utilisateur à voir précisément 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 modèle de vision par ordinateur capable de gérer une grande variété de tâches de vision par IA, notamment le suivi d’objets. Dans cet article, nous allons découvrir le fonctionnement du suivi d’objets et examiner des applications concrètes. Nous verrons également comment essayer le suivi d’objets avec YOLO11. C’est parti !

Fig. 1. Exemple d’utilisation d’Ultralytics YOLO11 pour le suivi d’objets dans un magasin de vente au détail.

Suivi d’objets par IA avec Ultralytics 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 principale différence entre les deux réside dans leur manière de traiter les images vidéo. La détection d’objets examine chaque image individuellement et identifie et classe les objets sans tenir compte des images précédentes ou suivantes. Le suivi d’objets, quant à lui, établit des correspondances entre les images, suit les mêmes objets au fil du temps et suit leurs déplacements.

Voici une explication plus détaillée du fonctionnement du suivi d’objets :

• Détection d’objets : le processus commence par détecter les objets dans une seule image vidéo. YOLO11 peut être utilisé pour identifier précisément plusieurs objets et leur position.
• Attribution d’identifiants uniques : chaque objet détecté reçoit un identifiant unique afin de le distinguer des autres et de faciliter son suivi.
• Suivi des déplacements entre les images : un algorithme de suivi suit les objets dans les images suivantes et actualise leur position tout en conservant l’association avec leurs identifiants uniques.
• Gestion des occultations : si un objet disparaît temporairement de la vue (par exemple, parce qu’il est masqué par un autre objet), le système veille à reprendre le suivi dès que l’objet réapparaît.
• Mise à jour des informations sur les objets : à mesure que les objets se déplacent, leur position et leurs attributs (tels que 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 grâce à des algorithmes de suivi avancés tels que BoT-SORT et ByteTrack. Il fonctionne également de manière fluide 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.

Applications du suivi d’objets avec Ultralytics YOLO11#

Les capacités polyvalentes du modèle Ultralytics YOLO11 ouvrent la voie à de nombreuses applications possibles dans de nombreux secteurs. Examinons de plus près quelques cas d’utilisation du suivi d’objets avec YOLO11.

Ultralytics YOLO11 pour le suivi des véhicules autonomes#

Le suivi d’objets est essentiel pour aider les voitures autonomes à fonctionner de manière sûre et efficace. Ces véhicules doivent comprendre en permanence 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 importants de son environnement, tels que les piétons, les cyclistes, les autres véhicules et les panneaux de signalisation. Toutefois, détecter ces objets à un instant donné ne suffit pas pour naviguer en toute sécurité.

C’est là que le suivi d’objets intervient. Il permet à la voiture de suivre ces objets au fil du temps et leurs déplacements dans plusieurs images. Il peut par exemple aider les véhicules autonomes à prédire la direction prise par 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 détection et suivi, les voitures autonomes peuvent anticiper le déplacement des objets qui les entourent, réagir de manière proactive et circuler de façon sûre et fluide.

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

Utiliser le suivi d’objets d’Ultralytics YOLO11 pour surveiller les animaux#

Le suivi des animaux dans une exploitation agricole, comme les bovins, est essentiel à une gestion efficace, mais il peut s’agir d’une tâche fastidieuse et chronophage. Les méthodes traditionnelles, comme l’utilisation de capteurs ou de balises, présentent souvent des inconvénients. Ces dispositifs peuvent stresser les animaux lorsqu’ils sont fixés sur eux et risquent de tomber ou d’être endommagés, ce qui perturbe le suivi.

La vision par ordinateur offre aux agriculteurs une solution plus efficace pour surveiller et suivre les animaux sans avoir recours à des balises physiques. Le suivi d’objets peut fournir aux agriculteurs des informations précieuses sur le comportement et la santé des animaux. Il peut par exemple aider à détecter des problèmes comme la boiterie, qui affecte la façon dont un animal marche. Grâce au suivi d’objets, les agriculteurs peuvent repérer les changements subtils dans les déplacements et traiter rapidement les problèmes de santé.

Au-delà du suivi de la santé, la vision par ordinateur peut également aider les agriculteurs à comprendre d’autres comportements, comme les interactions sociales, les habitudes alimentaires et les schémas de déplacement. Ces informations peuvent améliorer la gestion du troupeau, optimiser les horaires d’alimentation et favoriser le bien-être général des animaux. En réduisant le travail manuel et en limitant le stress des animaux, le suivi fondé sur la vision par ordinateur constitue 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 avec Ultralytics YOLO11#

Le suivi d’objets offre 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 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 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 des défauts, puis suivi grâce au suivi d’objets afin de garantir sa prise en charge appropriée.

Une autre application importante du suivi d’objets dans la fabrication concerne 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 à risque peuvent être signalées et surveillées en permanence à l’aide de systèmes de vision par ordinateur, et les responsables peuvent être avertis si les travailleurs suivis s’approchent de ces zones. De tels systèmes de sécurité peuvent également servir à détecter et à suivre les équipements, afin de prévenir les risques de vol.

Fig. 4. Exemple d’utilisation de la détection d’objets YOLO11 pour détecter des travailleurs.

Suivi d’objets et vidéosurveillance avec Ultralytics YOLO11#

Le suivi d’objets en temps réel est largement utilisé dans les systèmes de sécurité et de vidéosurveillance. Ces systèmes peuvent servir à surveiller les lieux publics, les pôles de transport et les grands espaces de vente au détail, comme les centres commerciaux. Dans les zones vastes et très fréquentées, cette technologie peut suivre les individus suspects ou les comportements de foule, offrant ainsi une solution de vidéosurveillance fluide. Par exemple, pendant la pandémie, des systèmes de suivi d’objets ont été utilisés pour surveiller les zones bondées et vérifier que les personnes respectaient la distanciation sociale.

Le suivi d’objets peut également être utilisé pour la surveillance du trafic. Il permet de suivre et d’analyser le comportement des véhicules, de repérer en temps réel les actions inhabituelles ou suspectes afin de contribuer à prévenir les accidents ou les infractions. Les systèmes d’estimation de la vitesse en sont un bon exemple. Ils peuvent détecter et suivre un véhicule pour déterminer sa vitesse.

Fig. 5. L’estimation de la vitesse peut être effectuée à l’aide du suivi d’objets.

Essaie le suivi d’objets avec Ultralytics YOLO11#

Maintenant que nous avons exploré quelques applications du suivi d’objets, voyons comment tu peux l’essayer avec le modèle Ultralytics YOLO11.

Pour commencer, installe le package Python Ultralytics à l’aide de 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 le package installé, exécute le code suivant. Il montre 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. D’autres variantes sont également disponibles : small, medium, large et extra-large.

Fig. 6. Extrait de code présentant 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 préentraîné. L’entraînement personnalisé consiste à effectuer un ajustement fin d’un modèle préentraîné afin de l’adapter à ton application spécifique.

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

Points clés à retenir#

Ultralytics YOLO11 est un excellent outil pour suivre des objets dans des vidéos et peut être utilisé dans de nombreux domaines, comme les voitures autonomes, l’agriculture, la fabrication et la sécurité. Il peut détecter et suivre des objets en temps réel, aidant ainsi les entreprises et les secteurs d’activité à garder le contrôle sur leurs travailleurs et leurs équipements. Le modèle est facile à utiliser et peut être personnalisé pour répondre à des besoins spécifiques, ce qui en fait une bonne option pour toute personne souhaitant adopter facilement des fonctionnalités de vision par ordinateur.

Pour en savoir plus, consulte notre dépôt GitHub et participe à notre communauté. Découvre les applications de l’IA dans les voitures autonomes et l’agriculture sur nos pages de solutions. 🚀