Una guida al tracciamento degli oggetti in movimento nei video con i modelli Ultralytics YOLO

Robot in grado di assemblare componenti elettrici, sistemi che rilevano le auto che superano i limiti di velocità e soluzioni intelligenti per il commercio al dettaglio che tracciano le modalità di acquisto dei clienti: tutte queste innovazioni si basano sulla visione artificiale. È un ramo dell'intelligenza artificiale (AI) che aiuta le macchine ad analizzare e comprendere immagini e video.

Ad esempio, un robot deve riconoscere e seguire componenti diversi per assemblarli correttamente. Allo stesso modo, un sistema per il traffico può usare la visione artificiale per individuare le auto, leggere le targhe e capire quando qualcuno sta superando i limiti di velocità. Nei negozi, invece, l'AI per la visione può aiutare a tracciare ciò che i clienti stanno guardando o prendendo e può persino monitorare l'inventario.

Queste applicazioni sono alimentate da modelli di visione artificiale come Ultralytics YOLO11, che supportano un'ampia gamma di attività visive. Molte di queste attività si concentrano sulla raccolta di informazioni da una singola immagine, ma un'attività particolarmente interessante, il tracciamento degli oggetti, può essere usata per seguire il movimento degli oggetti attraverso una serie di immagini o fotogrammi video.

Fig. 1 Un esempio di rilevamento e tracciamento delle auto.

In questa guida analizzeremo più da vicino il funzionamento del tracciamento degli oggetti ed esploreremo esempi reali del suo utilizzo. Parleremo anche di come i modelli di AI per la visione, come Ultralytics YOLO11, supportano il tracciamento degli oggetti. Iniziamo!

Uno sguardo più approfondito ai sistemi di tracciamento basati sulla visione artificiale#

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

Allo stesso modo, il tracciamento degli oggetti consiste nell'usare telecamere e AI per seguire in tempo reale il movimento della palla. Questa tecnologia può aiutare gli spettatori a casa a comprendere meglio lo svolgimento della partita, soprattutto grazie ad analisi come velocità, traiettoria e posizione dei giocatori.

Sebbene questo tipo di tracciamento visivo possa sembrare semplice per gli esseri umani, nella visione artificiale comporta una serie di passaggi alimentati da modelli di AI per la visione. Ecco una spiegazione semplice del funzionamento del tracciamento degli oggetti:

• Acquisizione del video: le telecamere registrano le riprese video, catturando il modo in cui gli oggetti si muovono nella scena nel corso del tempo.
• Rilevamento degli oggetti: i modelli di visione artificiale basati sull'AI, 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 attraverso più fotogrammi, assicurando che il sistema sappia che si tratta dello stesso oggetto anche mentre si muove.
• Monitoraggio del movimento: il sistema traccia il movimento nel tempo e questi dati possono essere usati per raccogliere informazioni come velocità, direzione e interazioni con altri oggetti.
• Generazione di informazioni: queste informazioni possono essere usate in tempo reale per fornire analisi, supportare il processo decisionale o alimentare sovrapposizioni visive, a seconda del caso d'uso specifico.

Confronto tra rilevamento e tracciamento degli oggetti con YOLO#

Un'altra attività di visione artificiale supportata da Ultralytics YOLO11 e strettamente correlata al tracciamento degli oggetti è il rilevamento degli oggetti. Esploriamo la differenza tra queste due attività.

Il rilevamento degli oggetti consiste nell'identificare e localizzare gli oggetti di interesse all'interno di una singola immagine o di un fotogramma video. Ad esempio, un'auto a guida autonoma usa il rilevamento degli oggetti per riconoscere un segnale di stop o un pedone in un singolo fotogramma acquisito dalle telecamere di bordo. Risponde alla domanda: «Cosa c'è in questa immagine e dove si trova?». Tuttavia, non fornisce alcuna informazione su dove andrà l'oggetto in seguito.

Il tracciamento degli oggetti si basa sul rilevamento degli oggetti aggiungendo una comprensione del movimento nel tempo. La differenza fondamentale tra le due attività riguarda 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 fotogrammi, usando i dati passati per prevedere la posizione futura di un oggetto.

Combinando entrambe le tecniche, possiamo costruire potenti sistemi di AI per la visione capaci di eseguire il tracciamento in tempo reale in ambienti dinamici. Ad esempio, un sistema di sicurezza automatizzato può rilevare le persone che entrano in un'area e tracciarne continuamente i movimenti attraverso il fotogramma.

Tracciamento in tempo reale con i modelli Ultralytics YOLO#

Ora che abbiamo illustrato la differenza tra rilevamento e tracciamento degli oggetti, vediamo come i modelli Ultralytics YOLO, come YOLO11, supportano il tracciamento degli oggetti in tempo reale.

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

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

Quando usi 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 gli oggetti che si muovono in modo imprevedibile, grazie all'uso della previsione del movimento e del deep learning. ByteTrack, invece, offre prestazioni particolarmente buone nelle scene affollate, mantenendo un tracciamento affidabile anche quando gli oggetti sono sfocati o parzialmente nascosti.

Fig. 2 Il pacchetto Python Ultralytics integra perfettamente BoT-SORT e ByteTrack.

In che modo l'addestramento di un modello YOLO personalizzato è collegato al tracciamento degli oggetti?#

L'addestramento personalizzato è il processo di messa a punto di un modello di rilevamento degli oggetti preaddestrato, come Ultralytics YOLO11, su un dataset specifico, affinché possa riconoscere oggetti non inclusi nei dataset standard. Questo è particolarmente importante quando il sistema di tracciamento deve seguire oggetti personalizzati o insoliti.

I sistemi di tracciamento si basano sul modello di rilevamento per riconoscere prima l'oggetto. Se un modello YOLO non riesce a rilevare un determinato elemento, come un tipo specifico di macchinario o una specie selvatica, l'algoritmo di tracciamento non potrà seguirlo.

Ecco perché l'addestramento personalizzato è essenziale: garantisce che il modello di rilevamento possa identificare con precisione gli oggetti che vuoi tracciare.

È inoltre importante tenere presente che durante questo processo viene messo a punto solo il modello di rilevamento. Gli algoritmi di tracciamento, come BoT-SORT o ByteTrack, non vengono addestrati in modo personalizzato: usano semplicemente l'output del modello YOLO per seguire gli oggetti rilevati attraverso i fotogrammi.

Applicazioni del tracciamento degli oggetti con Ultralytics YOLO#

Ora che comprendiamo meglio cos'è il tracciamento degli oggetti e come funziona, 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 basati sulla visione artificiale dipendono da attività come il rilevamento e il tracciamento degli oggetti. Questi sistemi sono progettati per calcolare la velocità di movimento di un oggetto, che sia un veicolo, un ciclista o persino una persona. Queste informazioni sono fondamentali per diverse applicazioni, dalla gestione del traffico al monitoraggio della sicurezza e all'automazione industriale.

Usando un modello come Ultralytics YOLO11, gli oggetti possono essere rilevati e tracciati attraverso i fotogrammi video. Analizzando la distanza percorsa da un oggetto in uno specifico intervallo di tempo, il sistema può stimarne la velocità.

Fig. 3 Uso del supporto di YOLO11 per il tracciamento degli oggetti nella stima della velocità.

Esplorazione del tracciamento degli oggetti nella produzione#

I processi di produzione possono essere rapidi e molto complessi, rendendo difficile tenere manualmente traccia di ogni articolo prodotto. Il tracciamento degli oggetti offre una buona soluzione per automatizzare il monitoraggio dei prodotti mentre attraversano ogni fase della produzione. Può aiutare le fabbriche a mantenere elevati livelli di accuratezza ed efficienza senza rallentare le attività.

Dal conteggio dei prodotti su un nastro trasportatore al rilevamento dei difetti o alla verifica del corretto assemblaggio, il tracciamento degli oggetti offre visibilità e controllo su attività che altrimenti richiederebbero molto tempo o sarebbero soggette a errori. Questa tecnologia è particolarmente utile nei settori ad alto volume, come la lavorazione degli alimenti, l'elettronica e il confezionamento, dove velocità e precisione sono fondamentali.

Fig. 4 Un esempio di tracciamento e conteggio di prodotti alimentari su una linea di assemblaggio usando Ultralytics YOLO11.

Panoramica del tracciamento degli oggetti nell'analisi del commercio al dettaglio#

Ogni giorno innumerevoli clienti entrano ed escono dai negozi al dettaglio e comprenderne il comportamento è fondamentale per migliorare sia l'esperienza del cliente sia le prestazioni dell'attività. Il tracciamento degli oggetti consente ai rivenditori di monitorare il flusso di persone, misurare il tempo di permanenza e analizzare gli schemi di movimento, senza ricorrere a metodi invasivi o manuali.

Tracciando le persone mentre entrano, escono e si spostano nel negozio, le aziende possono ottenere informazioni sugli orari di punta, sulle aree più frequentate e persino sulla lunghezza delle code. Queste informazioni possono orientare le decisioni relative al personale, alla disposizione del negozio e al posizionamento dell'inventario, portando infine a operazioni più efficienti e a un aumento delle vendite.

Fig. 5. Uso delle capacità di tracciamento degli oggetti di Ultralytics YOLO11 per monitorare le persone che entrano ed escono da un negozio.

Vantaggi e svantaggi del tracciamento degli oggetti#

Dai negozi al dettaglio agli stabilimenti industriali, il tracciamento degli oggetti viene usato in ogni tipo di settore per migliorare fattori come efficienza, sicurezza ed esperienza complessiva. Ecco alcuni dei principali vantaggi che il tracciamento degli oggetti può offrire a vari settori:

• Consente 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, ad esempio una persona che entra in un'area riservata o una consegna lasciata troppo a lungo nello stesso posto.
• Si integra con altri sistemi: i dati sul 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 utili.
• Conveniente nel lungo periodo: sebbene la configurazione iniziale possa richiedere un investimento, il tracciamento automatizzato riduce la necessità di lavoro manuale, diminuisce il tasso di errore e riduce i costi operativi nel tempo.

Sebbene questi vantaggi evidenzino l'impatto positivo del tracciamento degli oggetti in diversi casi d'uso, è importante considerare anche le difficoltà legate alla sua implementazione. Esaminiamo più da vicino alcune limitazioni del tracciamento degli oggetti:

• Difficoltà negli ambienti affollati: in contesti affollati come concerti, centri commerciali o strade cittadine, i sistemi di tracciamento possono avere difficoltà a distinguere tra persone o oggetti vicini, causando confusione o risultati imprecisi.

• Sensibilità alle condizioni ambientali: scarsa illuminazione, nebbia, movimenti rapidi o 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: una gestione impropria dei dati personali, l'assenza del consenso degli utenti o la sorveglianza negli spazi pubblici possono sollevare questioni etiche e portare alla non conformità alle leggi sulla privacy.

Punti chiave#

Il tracciamento degli oggetti è un'attività di visione artificiale che consente alle macchine di seguire il movimento degli oggetti nel tempo. Viene usato in un'ampia gamma di scenari reali, dalla stima della velocità dei veicoli e dal conteggio dei prodotti su una linea di assemblaggio all'analisi dei movimenti dei giocatori nello sport.

Grazie ai modelli di AI per la visione come Ultralytics YOLO11 e agli algoritmi di tracciamento come BoT-SORT e ByteTrack, il tracciamento degli oggetti è diventato più veloce, intelligente e accessibile in diversi settori. Con l'evoluzione della tecnologia di tracciamento degli oggetti, i sistemi diventano sempre più intelligenti, efficienti e reattivi, un fotogramma alla volta.

Vuoi saperne di più sulla visione artificiale e sull'IA? Esplora il nostro repository GitHub, entra in contatto con la nostra community e scopri le nostre opzioni di licenza per avviare il tuo progetto di visione artificiale. Se stai esplorando innovazioni come l'IA nel settore manifatturiero e la visione artificiale nel settore automobilistico, visita le nostre pagine dedicate alle soluzioni per saperne di più.