Guida al tracciamento di oggetti in movimento nei video con i modelliYOLO di Ultralytics

Uno sguardo ravvicinato ai sistemi di tracciamento con visione computerizzata

Il tracciamento degli oggetti è un'attività di computer vision utilizzata per seguire il movimento degli oggetti attraverso i fotogrammi di un video, aiutando i sistemi a monitorare e capire come le cose cambiano nel tempo. È molto simile al modo in cui gli esseri umani possono seguire naturalmente una persona o un oggetto in movimento con gli occhi, come quando guardi una partita di tennis e i tuoi occhi seguono la palla mentre si muove avanti e indietro per il campo.

Allo stesso modo, il tracciamento degli oggetti prevede l'utilizzo di telecamere e AI per seguire il movimento della palla in tempo reale. Questa tecnologia può dare agli spettatori a casa una migliore comprensione del flusso di gioco, soprattutto attraverso analisi come la velocità, la traiettoria e il posizionamento dei giocatori.

Sebbene questo tipo di tracciamento visivo possa sembrare semplice per gli esseri umani, quando si tratta di visione artificiale, comporta una serie di passaggi alimentati da modelli AI di visione. Ecco una semplice spiegazione di come funziona il tracciamento degli oggetti: 

• Acquisizione di video: Le telecamere registrano filmati, catturando il movimento degli oggetti in una scena nel tempo.
  ‍
• Rilevamento di oggetti: I modelli di visione artificiale come YOLO11 possono analizzare ogni fotogramma per identificare e localizzare oggetti specifici, come persone, veicoli o prodotti.
  ‍
• Assegnazione dell'identità: Una volta rilevato un oggetto, gli algoritmi di tracciamento gli assegnano un ID univoco per seguirlo in più fotogrammi, assicurando che il sistema sappia che si tratta dello stesso oggetto anche quando si muove.
  ‍
• Monitoraggio del movimento: Il sistema tiene traccia del movimento nel tempo e può essere utilizzato per raccogliere dati come la velocità, la direzione e le interazioni con altri oggetti.
  ‍
• Generare approfondimenti: Queste informazioni possono essere utilizzate in tempo reale per fornire analisi, assistere il processo decisionale o creare sovrapposizioni visive, a seconda del caso d'uso specifico.

Confronto tra il rilevamento e il tracciamento degli oggetti con YOLO

Un'altra attività di computer vision supportata da YOLO11 che è strettamente legata al tracciamento degli oggetti è il rilevamento degli oggetti. Analizziamo la differenza tra questi due compiti. 

Il rilevamento degli oggetti comporta l'identificazione e la localizzazione di oggetti di interesse all'interno di una singola immagine o di un fotogramma video. Ad esempio, un'auto a guida autonoma utilizza il rilevamento degli oggetti per riconoscere un segnale di stop o un pedone in un singolo fotogramma catturato dalle telecamere a bordo. Risponde alla domanda: "Cosa c'è in questa immagine e dove si trova?". Tuttavia, non fornisce alcuna informazione sulla successiva destinazione dell'oggetto.

Il tracciamento degli oggetti si basa sul rilevamento degli oggetti aggiungendo la comprensione del movimento nel tempo. La differenza fondamentale tra i due è il modo in cui gestiscono il tempo e il movimento. Il rilevamento degli oggetti tratta ogni fotogramma come un'istantanea indipendente, mentre il tracciamento degli oggetti collega i punti tra i fotogrammi, utilizzando i dati passati per prevedere la posizione futura di un oggetto.

Combinando entrambe le cose, possiamo costruire potenti sistemi di intelligenza artificiale in grado di seguire in tempo reale gli spostamenti in ambienti dinamici. Ad esempio, un sistema di sicurezza automatizzato può rilevare le persone che entrano in uno spazio e seguire continuamente il loro movimento attraverso l'inquadratura.

Tracciamento in tempo reale grazie ai modelliYOLO di Ultralytics

Ora che abbiamo affrontato la differenza tra rilevamento e tracciamento degli oggetti, diamo un'occhiata a come i modelliYOLO Ultralytics , come YOLO11, supportano il tracciamento degli oggetti in tempo reale.

Sebbene i modelli YOLO non siano di per sé algoritmi di tracciamento, svolgono un ruolo essenziale rilevando gli oggetti in ogni fotogramma del video. Una volta rilevati gli oggetti, gli algoritmi di tracciamento sono necessari per assegnare loro ID univoci, consentendo al sistema di seguire il loro movimento da un fotogramma all'altro. 

Per rispondere a questa esigenza, il pacchettoUltralytics Python integra perfettamente il rilevamento degli oggetti con i più diffusi algoritmi di tracciamento come BoT-SORT e ByteTrack. Questa integrazione consente agli utenti di eseguire il rilevamento e il tracciamento insieme con una configurazione minima.

Quando utilizzi i modelli YOLO per il tracciamento degli oggetti, puoi scegliere quale algoritmo di tracciamento applicare in base ai requisiti della tua applicazione. Ad esempio, BoT-SORT è una buona opzione per seguire oggetti che si muovono in modo imprevedibile, grazie all'uso della previsione del movimento e del deep learning. ByteTrack, invece, si comporta particolarmente bene nelle scene affollate, mantenendo un tracciamento affidabile anche quando gli oggetti sono sfocati o parzialmente nascosti.

‍

In che modo l'addestramento del modello YOLO personalizzato è legato al tracciamento degli oggetti?

L'addestramento personalizzato è il processo di messa a punto di un modello di rilevamento degli oggetti pre-addestrato, come YOLO11, su un set di dati specifico in modo che possa riconoscere oggetti che non sono inclusi nei set di dati standard. Questo è particolarmente importante quando il tuo sistema di tracciamento deve seguire oggetti personalizzati o poco comuni.

I sistemi di tracciamento si basano sul modello di rilevamento per riconoscere l'oggetto. Se un modello YOLO non è in grado di rilevare un particolare oggetto, come un tipo specifico di macchinario o una specie selvatica, l'algoritmo di tracciamento non sarà in grado di seguirlo.

Ecco perché la formazione personalizzata è essenziale: garantisce che il modello di rilevamento sia in grado di identificare con precisione gli oggetti che vuoi tracciare.

È inoltre importante ricordare che durante questo processo viene messo a punto solo il modello di rilevamento. Gli algoritmi di tracciamento, come BoT-SORT o ByteTrack, non sono addestrati su misura: utilizzano semplicemente l'output del modello YOLO per seguire gli oggetti rilevati attraverso i fotogrammi.

Applicazioni del tracciamento degli oggetti con Ultralytics YOLO

Ora che abbiamo capito meglio cos'è e come funziona il tracciamento degli oggetti, esploriamo alcune applicazioni reali in cui questa tecnologia sta avendo un impatto.

Tracciamento in tempo reale con Ultralytics YOLO per la stima della velocità

I sistemi di stima della velocità abilitati dalla computer vision dipendono da attività come il rilevamento e il tracciamento degli oggetti. Questi sistemi sono progettati per calcolare la velocità di movimento di un oggetto, sia esso un veicolo, un ciclista o una persona. Queste informazioni sono fondamentali per una serie di applicazioni, dalla gestione del traffico al monitoraggio della sicurezza e all'automazione industriale.

Utilizzando un modello come Ultralytics YOLO11, gli oggetti possono essere rilevati e tracciati attraverso i fotogrammi del video. Analizzando la distanza percorsa da un oggetto in un determinato periodo di tempo, il sistema può stimare la sua velocità. 

‍

Esplorare il tracciamento degli oggetti nella produzione

I processi produttivi possono essere veloci e molto complessi, il che rende difficile tenere traccia di ogni articolo prodotto manualmente. Il tracciamento degli oggetti offre una buona soluzione per automatizzare il monitoraggio dei prodotti durante ogni fase della produzione. Può aiutare le fabbriche a mantenere alti livelli di precisione ed efficienza senza rallentare le attività.

Dal conteggio dei prodotti su un nastro trasportatore all'individuazione dei difetti o alla verifica del corretto assemblaggio, il tracciamento degli oggetti offre visibilità e controllo a compiti che altrimenti richiederebbero molto tempo o sarebbero soggetti a errori. Questa tecnologia ha un impatto particolare nei settori ad alto volume come quello alimentare, elettronico e dell'imballaggio, dove velocità e precisione sono fondamentali.

‍

Una panoramica sul tracciamento degli oggetti nell'analisi della vendita al dettaglio

Ogni giorno innumerevoli clienti entrano ed escono dai negozi al dettaglio e la comprensione del loro comportamento è fondamentale per migliorare l'esperienza del cliente e le prestazioni aziendali. Il tracciamento degli oggetti permette ai rivenditori di monitorare il traffico pedonale, misurare il tempo di permanenza e analizzare i modelli di movimento, il tutto senza dover ricorrere a metodi invasivi o manuali.

Tracciando le persone che entrano, escono e si muovono all'interno del negozio, le aziende possono ottenere informazioni sulle ore di punta, sulle aree più frequentate e persino sulla lunghezza delle code. Queste informazioni possono essere utili per prendere decisioni in merito al personale, alla disposizione del negozio e alla collocazione dell'inventario, portando a operazioni più efficienti e a un aumento delle vendite.

‍

Pro e contro del tracciamento degli oggetti

Dai negozi al dettaglio alle fabbriche, il tracciamento degli oggetti viene utilizzato in tutti i settori per migliorare fattori come l'efficienza, la sicurezza e l'esperienza complessiva. Ecco alcuni dei principali vantaggi che il tracciamento degli oggetti può apportare a vari settori:

• Consente di ricevere avvisi in tempo reale: I sistemi integrati con il tracciamento degli oggetti possono essere configurati per attivare automaticamente degli avvisi quando viene rilevato qualcosa di insolito, come l'ingresso di una persona in un'area riservata o una consegna lasciata troppo a lungo in un luogo.
  ‍
• Si integra con altri sistemi: I dati di tracciamento degli oggetti possono essere combinati con altre tecnologie, come il riconoscimento facciale, le telecamere termiche o i sistemi di inventario, per ottenere informazioni ancora più potenti.
  ‍
• Efficienza dei costi nel lungo periodo: Anche se la configurazione iniziale può richiedere un investimento, la tracciabilità automatizzata riduce la necessità di manodopera, diminuisce i tassi di errore e riduce i costi operativi nel tempo.

Se da un lato questi vantaggi evidenziano come il tracciamento degli oggetti abbia un impatto positivo su diversi casi d'uso, dall'altro è importante considerare le sfide che comporta la sua implementazione. Diamo un'occhiata più da vicino ad alcuni limiti del tracciamento degli oggetti:

• Difficoltà in ambienti affollati: In ambienti affollati come concerti, centri commerciali o strade cittadine, i sistemi di tracciamento possono faticare a distinguere tra persone o oggetti vicini, generando confusione o risultati imprecisi.

• Sensibile alle condizioni ambientali: La scarsa illuminazione, la nebbia, il movimento veloce o le vibrazioni della telecamera possono influire sulla capacità del sistema di tracciare gli oggetti con precisione, soprattutto in ambienti esterni o non controllati.

• Problemi di privacy e legali: Il trattamento improprio dei dati personali, la mancanza di consenso da parte degli utenti o la sorveglianza negli spazi pubblici possono sollevare questioni etiche e portare alla non conformità con le leggi sulla privacy.

Punti di forza

Il tracciamento degli oggetti è un'attività di computer vision che consente alle macchine di seguire il movimento degli oggetti nel tempo. Viene utilizzato in un'ampia gamma di scenari reali, dalla stima della velocità dei veicoli al conteggio dei prodotti in una catena di montaggio, fino all'analisi dei movimenti dei giocatori negli sport.

Grazie a modelli Vision AI come YOLO11 e ad algoritmi di tracciamento come BoT-SORT e ByteTrack, il tracciamento degli oggetti è diventato più veloce, più intelligente e più accessibile in diversi settori. L'evoluzione della tecnologia di tracciamento degli oggetti aiuta i sistemi a diventare più intelligenti, efficienti e reattivi, un fotogramma alla volta.

Vuoi saperne di più sulla computer vision e sull'IA? Esplora il nostro repository GitHub, entra in contatto con la nostra comunità e scopri le nostre opzioni di licenza per avviare il tuo progetto di computer vision. Se stai esplorando innovazioni come l'IA nella produzione e la computer vision nell' industria automobilistica, visita le nostre pagine dedicate alle soluzioni per saperne di più.