Comment utiliser Ultralytics YOLO11 pour le suivi d’objets

Imagine que tu veuilles surveiller et suivre le déplacement de composants sur une chaîne de montage dans une usine de fabrication, afin d’assurer le contrôle qualité et d’améliorer l’efficacité du workflow. En général, cela nécessiterait des inspections manuelles ou des capteurs élémentaires pour suivre les articles, une approche chronophage et sujette aux erreurs. La vision par ordinateur et le suivi d’objets peuvent toutefois 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 servir à de nombreuses applications, du suivi des animaux dans les fermes à la sécurité et à la surveillance dans les magasins. Les objets suivis dans une vidéo sont généralement représentés par des boîtes englobantes, qui permettent à l’utilisateur de 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 d’IA visuelle, dont le suivi d’objets. (YOLO11 a depuis été remplacé par Ultralytics YOLO26.) Dans cet article, nous allons découvrir le fonctionnement du suivi d’objets et examiner des applications concrètes. Nous verrons aussi comment essayer le suivi d’objets avec YOLO11. C’est parti !

Fig. 1. Exemple de suivi d’objets dans un magasin avec Ultralytics YOLO11.

Suivi d’objets par IA avec Ultralytics YOLO11#

Le suivi d’objets est une technique essentielle de la 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 traitement des 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, relie les objets d’une image à l’autre, suit les mêmes objets au fil du temps et surveille leurs déplacements.

Voici un aperçu plus détaillé du fonctionnement du suivi d’objets :

• Détection d’objets : le processus commence par la détection des objets dans une seule image vidéo. YOLO11 peut identifier avec précision plusieurs objets et leur emplacement.
• Attribution d’identifiants uniques : chaque objet détecté reçoit un identifiant unique pour le distinguer des autres et faciliter son suivi.
• Suivi des déplacements d’une image à l’autre : un algorithme de suivi suit les objets dans les images suivantes, met à jour leur position et conserve leur association avec leurs identifiants uniques.
• Gestion des occultations : si un objet disparaît temporairement du champ de vision (par exemple, s’il est caché par un autre objet), le système de suivi tente de reprendre son suivi avec le même ID lorsqu’il réapparaît.
• Mise à jour des informations sur les objets : lorsque les objets se déplacent, leur position et leurs attributs (comme la vitesse ou la direction) sont continuellement mis à jour pour tenir compte de leur évolution.

Ultralytics prend en charge le suivi d’objets en temps réel à l’aide d’algorithmes de suivi comme BoT-SORT et ByteTrack. Il fonctionne aussi 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 de nombreuses possibilités d’application dans divers secteurs. Examinons de plus près quelques cas d’utilisation du suivi d’objets avec YOLO11.

Suivi des véhicules autonomes avec Ultralytics YOLO11#

Le suivi d’objets est essentiel pour que les voitures autonomes fonctionnent de manière sûre et efficace. Ces véhicules doivent constamment comprendre leur environnement afin de 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, comme les piétons, les cyclistes, les autres véhicules et les panneaux de signalisation. Cependant, détecter ces objets à un instant donné ne suffit pas pour naviguer en toute sécurité.

C’est là qu’intervient le suivi d’objets. Il permet à la voiture de suivre ces objets au fil du temps et d’observer leurs déplacements sur plusieurs images. Par exemple, il aide les véhicules autonomes à prévoir la direction d’un piéton, à surveiller la vitesse et la direction des véhicules à proximité ou à reconnaître qu’un feu n’a pas changé. En combinant détection et suivi, les voitures autonomes peuvent anticiper les mouvements des objets autour d’elles, réagir de manière proactive et circuler de façon sûre et fluide.

Fig. 2. Ultralytics YOLO11 peut servir à détecter et à suivre des voitures.

Surveillance des animaux avec le suivi d’objets d’Ultralytics YOLO11#

Le suivi des animaux dans une exploitation agricole, comme les bovins, est essentiel à une gestion efficace, mais peut être fastidieux et chronophage. Les méthodes traditionnelles, comme l’utilisation de capteurs ou de balises, présentent souvent des inconvénients. Fixés aux animaux, ces dispositifs peuvent les stresser et risquent de tomber ou d’être endommagés, ce qui perturbe le suivi.

La vision par ordinateur offre aux agriculteurs une meilleure solution pour surveiller et suivre les animaux sans étiquettes physiques. Le suivi d’objets peut leur apporter des informations précieuses sur le comportement et la santé des animaux. Par exemple, il peut aider à détecter des problèmes comme la boiterie, qui affecte la démarche d’un animal. Grâce au suivi d’objets, les agriculteurs peuvent repérer de subtiles variations dans les déplacements et traiter rapidement les problèmes de santé.

Au-delà du suivi de la santé, la vision par ordinateur peut aussi aider les agriculteurs à mieux comprendre d’autres comportements, comme les interactions sociales, les habitudes alimentaires et les schémas de déplacement. Ces informations peuvent améliorer la gestion des troupeaux, optimiser les horaires d’alimentation et favoriser le bien-être général des animaux. En réduisant le travail manuel et le stress des animaux, le suivi par vision par ordinateur constitue un outil pratique et efficace pour l’agriculture moderne.

Fig. 3. Suivi d’agriculteurs et d’une vache avec Ultralytics YOLO11.

Suivi d’objets dans l’industrie avec Ultralytics YOLO11#

Le suivi d’objets offre de nombreuses applications 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 réaliser des tâches supplémentaires. Par exemple, un article défectueux peut être identifié à l’aide d’un système de détection des défauts, puis suivi pour s’assurer qu’il est correctement pris en charge.

La sécurité constitue une autre application importante du suivi d’objets dans le secteur de la fabrication. Les systèmes de suivi d’objets peuvent détecter et suivre les travailleurs dans les environnements de fabrication potentiellement dangereux. Les zones à risque peuvent être délimitées et surveillées en continu par des systèmes de vision par ordinateur, et les responsables peuvent être avertis lorsque des travailleurs suivis s’en approchent. Ces systèmes de sécurité peuvent aussi détecter et suivre les équipements, réduisant ainsi le risque de vol.

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

Suivi d’objets et surveillance avec Ultralytics YOLO11#

Le suivi d’objets en temps réel est largement utilisé dans les systèmes de sécurité et de surveillance. Ces systèmes peuvent surveiller les lieux publics, les pôles de transport et les grands espaces commerciaux comme les centres commerciaux. Dans les zones vastes et très fréquentées, cette technologie peut suivre les personnes suspectes ou les mouvements de foule et assurer une surveillance continue. Par exemple, pendant la pandémie, des systèmes de suivi d’objets ont été utilisés pour repérer les zones bondées et vérifier que les personnes respectaient la distanciation sociale.

Le suivi d’objets peut également servir à la surveillance du trafic. Il permet de suivre et d’analyser le comportement des véhicules, afin de repérer en temps réel les comportements inhabituels ou suspects et de contribuer à prévenir les accidents ou les crimes. 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. Le suivi d’objets permet d’estimer la vitesse.

Essaie le suivi d’objets avec Ultralytics YOLO11#

Maintenant que nous avons examiné quelques applications du suivi d’objets, voyons comment l’essayer avec le modèle Ultralytics YOLO11 et le mode de suivi.

Pour commencer, installe le package Python d’Ultralytics avec 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 disponibles : small, medium, large et extra-large.

Fig. 6. Extrait de code illustrant le suivi d’objets avec le modèle Ultralytics YOLO11.

Tu peux aussi choisir un modèle entraîné sur mesure plutôt qu’un modèle préentraîné. L’entraînement personnalisé consiste à effectuer un ajustement fin d’un modèle préentraîné pour l’adapter à ton application spécifique.

Comme indiqué précédemment, le suivi d’objets est pris en charge par les modèles YOLO11 de détection d’objets, d’estimation de pose et de segmentation d’instances. Si ton application nécessite le suivi, tu peux entraîner sur mesure l’un de ces modèles en fonction de tes besoins. Tu peux entraîner un modèle sur mesure avec le package Python d’Ultralytics ou la plateforme sans code Ultralytics HUB (désormais Ultralytics Platform).

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 industries à surveiller leurs travailleurs et leurs équipements. Facile à utiliser et personnalisable selon des besoins spécifiques, ce modèle est une bonne option pour toute personne souhaitant adopter la vision par ordinateur.

Pour en savoir plus, consulte notre dépôt GitHub et échange avec notre communauté. Découvre les applications de l’IA dans les voitures autonomes et l’agriculture sur nos pages dédiées aux solutions.