Suivi d'objets

Le suivi d'objets est une tâche fondamentale en vision par ordinateur (CV) qui consiste à identifier et à suivre un ou plusieurs objets en mouvement dans une séquence de trames vidéo. Contrairement à la détection d'objets, qui localise les objets dans une seule image, le suivi d'objets ajoute une dimension temporelle en attribuant un ID unique à chaque objet et en conservant son identité lorsqu'il se déplace, change d'apparence ou est temporairement masqué. Cette capacité permet une compréhension plus approfondie du comportement des objets, de leurs interactions et de leurs schémas de mouvement au fil du temps, ce qui en fait la pierre angulaire de nombreuses applications d'analyse vidéo dynamique.

Comment fonctionne le suivi d’objets

Le processus de suivi d'objets commence généralement par l'utilisation d'un modèle de détection d'objets pour identifier et localiser les objets dans la première image d'une vidéo. Chaque objet détecté reçoit un ID de suivi unique. Dans les images suivantes, l'algorithme de suivi prédit les nouvelles positions de ces objets et tente de les faire correspondre avec les objets nouvellement détectés. Ce processus repose sur diverses techniques :

• Prédiction de mouvement : Des algorithmes comme le filtre de Kalman (KF) sont utilisés pour estimer la position future d'un objet en fonction de ses états passés (position, vitesse). Cela permet de réduire la zone de recherche de l'objet dans la trame suivante.
• Correspondance d'apparence : Cela implique l'extraction de caractéristiques distinctives d'un objet, telles que des histogrammes de couleurs ou des embeddings basés sur l'apprentissage profond. Ces caractéristiques créent une signature unique qui aide à réidentifier l'objet même après une occlusion ou des changements importants d'apparence.
• Association de données : Il s'agit de l'étape cruciale de la mise en correspondance des pistes existantes avec les nouvelles détections. Des algorithmes comme l'algorithme hongrois ou des méthodes plus avancées comme ByteTrack et BoT-SORT gèrent cette association, même dans des scénarios complexes avec de nombreux objets.

Suivi d'objets vs. Détection d'objets

Bien qu'étroitement liés, le suivi d'objets et la détection d'objets servent des objectifs différents.

• Détection d'objets: Il s'agit du processus d'identification et de classification des objets dans une seule image ou une seule image vidéo. La sortie est un ensemble de boîtes englobantes, d'étiquettes de classe et de scores de confiance pour chaque objet. Elle répond à la question : « Quels objets se trouvent dans cette image ? »
• Suivi d'objets : Il s'appuie sur la détection d'objets. Il prend les détections de chaque image et les relie à travers toute la séquence vidéo, en attribuant un ID persistant à chaque objet. Il répond à la question : « Où va cet objet spécifique ? »

En substance, vous pouvez considérer la détection d'objets comme la prise d'instantanés, tandis que le suivi d'objets crée une histoire continue du parcours de chaque objet dans la vidéo. Les modèles Ultralytics YOLO intègrent de manière transparente les deux, permettant aux utilisateurs d'effectuer un suivi multi-objets avec une grande efficacité et une grande précision.

Applications concrètes

Le suivi d'objets est une technologie transformatrice qui trouve de nombreuses applications dans divers secteurs.

• Surveillance et sécurité intelligentes : Dans le domaine de la sécurité, le suivi d'objets est utilisé pour surveiller les personnes et les véhicules en temps réel. Un système peut être configuré pour suivre automatiquement une personne entrant dans une zone réglementée, suivre un véhicule suspect dans un stationnement ou compter le nombre de personnes entrant et sortant d'un bâtiment. Cela permet des alertes automatisées et une analyse forensique sans supervision humaine constante. Par exemple, un système d'alarme de sécurité peut être conçu pour se déclencher lorsqu'une personne est suivie et se déplace dans une zone prédéfinie en dehors des heures d'ouverture.
• Véhicules autonomes : Pour les voitures autonomes, le suivi des autres véhicules, des piétons et des cyclistes est essentiel pour une navigation sûre. En suivant les objets environnants, un véhicule peut prédire leurs trajectoires, comprendre leur intention (par exemple, un piéton sur le point de traverser la rue) et prendre des décisions éclairées pour éviter les collisions. Ce suivi continu fournit une compréhension beaucoup plus riche de l'environnement que la simple détection d'une seule image.
• Analyse sportive : Les entraîneurs et les analystes utilisent le suivi d'objets pour surveiller les mouvements des joueurs sur le terrain. En suivant chaque joueur, ils peuvent analyser les formations, mesurer les indicateurs de performance tels que la distance parcourue et la vitesse, et développer de meilleures stratégies de jeu. Cela peut être combiné avec l'estimation de la pose pour analyser en détail la technique du joueur.
• Analyse de Vente au Détail : Les détaillants utilisent le suivi pour comprendre le comportement des clients dans les magasins. En analysant les schémas de circulation piétonnière, les temps d'arrêt dans les différentes allées et les interactions avec les produits, les entreprises peuvent optimiser l'aménagement des magasins et améliorer l'expérience client. Cela peut également être utilisé pour la gestion des files d'attente afin de réduire les temps d'attente à la caisse.

Outils et implémentation

La mise en œuvre de solutions de suivi d'objets robustes est plus accessible que jamais grâce aux outils et frameworks modernes.

• Bibliothèques et frameworks : Les bibliothèques comme OpenCV fournissent des outils fondamentaux pour le traitement vidéo et incluent plusieurs algorithmes de suivi classiques. Les frameworks modernes de deep learning tels que PyTorch et TensorFlow sont utilisés pour construire les modèles de détection puissants qui servent de base au suivi.
• Modèles YOLO Ultralytics : Ultralytics simplifie l'implémentation du tracking haute performance. Des modèles tels que YOLO11 sont dotés de capacités de tracking intégrées et hautement optimisées qui peuvent être activées avec une simple commande. Cette intégration permet aux développeurs de tirer parti de la détection de pointe pour des tâches telles que le suivi d'objets, la segmentation d'instances et le suivi de pose. Vous pouvez démarrer rapidement en suivant le guide de suivi d'objets YOLO11.
• Plateformes de bout en bout : Pour la gestion de l'ensemble du cycle de vie de l'apprentissage automatique, de l'annotation des données au déploiement des modèles, des plateformes comme Ultralytics HUB offrent une suite complète d'outils. Cela simplifie le processus de formation de modèles personnalisés et de leur déploiement dans des environnements de production.