Come usare Ultralytics YOLO11 per il tracciamento di oggetti

Immagina di voler monitorare e tracciare lo spostamento dei componenti su una linea di assemblaggio in uno stabilimento di produzione, per garantire il controllo della qualità e migliorare l’efficienza del flusso di lavoro. Di solito, ciò richiederebbe ispezioni manuali o l’uso di sensori di base per tracciare gli articoli, un’attività che può richiedere molto tempo ed essere soggetta a errori. Tuttavia, è possibile usare la visione artificiale e il tracciamento di oggetti per automatizzare e migliorare questo processo.

Il tracciamento di oggetti è un compito di visione artificiale che permette di rilevare, identificare e tracciare oggetti in un video. Può essere utilizzato in un’ampia varietà di applicazioni, dal monitoraggio degli animali nelle fattorie alla sicurezza e alla sorveglianza nei negozi al dettaglio. Gli oggetti tracciati in un video sono solitamente visualizzati con riquadri di delimitazione, che aiutano l’utente a vedere esattamente dove si trovano e vengono rilevati nel fotogramma.

Presentato durante l’evento ibrido annuale di Ultralytics, YOLO Vision 2024 (YV24), Ultralytics YOLO11 è un modello di visione artificiale in grado di gestire un’ampia varietà di compiti di AI applicata alla visione, tra cui il tracciamento di oggetti. (Nel frattempo, a YOLO11 è succeduto Ultralytics YOLO26.) In questo articolo vedremo come funziona il tracciamento di oggetti e parleremo delle sue applicazioni nel mondo reale. Vedremo anche come provare il tracciamento di oggetti con YOLO11. Iniziamo!

Fig. 1. Esempio di utilizzo di Ultralytics YOLO11 per il tracciamento degli oggetti in un negozio al dettaglio.

Tracciamento degli oggetti con IA tramite Ultralytics YOLO11#

Il tracciamento di oggetti è una tecnica essenziale di visione artificiale. Permette di identificare e tracciare gli oggetti in un video nel corso del tempo. Può sembrare molto simile a un altro compito di visione artificiale: il rilevamento di oggetti. La differenza fondamentale tra i due riguarda il modo in cui gestiscono i fotogrammi video. Il rilevamento di oggetti analizza ogni fotogramma singolarmente, identificando e classificando gli oggetti senza considerare quelli precedenti o successivi. Il tracciamento di oggetti, invece, collega i diversi fotogrammi, seguendo gli stessi oggetti nel tempo e tenendo traccia dei loro spostamenti.

Ecco una spiegazione più dettagliata di come funziona il tracciamento di oggetti:

• Rilevamento di oggetti: il processo inizia rilevando gli oggetti in un singolo fotogramma di un video. YOLO11 può identificare con precisione più oggetti e le rispettive posizioni.
• Assegna ID univoci: a ogni oggetto rilevato viene assegnato un ID univoco per distinguerlo dagli altri e facilitarne il tracciamento.
• Tracciamento degli spostamenti nei fotogrammi: un algoritmo di tracciamento segue gli oggetti nei fotogrammi successivi, aggiornandone le posizioni e mantenendo l’associazione con i rispettivi ID univoci.
• Gestione delle occlusioni: se un oggetto scompare temporaneamente dalla vista (ad esempio, perché viene coperto da un altro oggetto), il tracker cerca di riprendere a seguirlo con lo stesso ID quando riappare.
• Aggiorna le informazioni sugli oggetti: mentre gli oggetti si muovono, le loro posizioni e caratteristiche (come velocità o direzione) vengono aggiornate continuamente per rifletterne i cambiamenti nel tempo.

Ultralytics supporta il tracciamento di oggetti in tempo reale con algoritmi come BoT-SORT e ByteTrack. È compatibile anche con i modelli YOLO11 di segmentazione e stima della posa, offrendo uno strumento flessibile per un’ampia gamma di attività di tracciamento.

Applicazioni del tracciamento degli oggetti con Ultralytics YOLO11#

Le versatili funzionalità del modello Ultralytics YOLO11 aprono la strada a numerose applicazioni in molti settori. Vediamo più da vicino alcuni casi d’uso del tracciamento di oggetti con YOLO11.

Ultralytics YOLO11 per il tracciamento dei veicoli autonomi#

Il tracciamento di oggetti è fondamentale per aiutare le auto a guida autonoma a funzionare in modo sicuro ed efficiente. Questi veicoli devono comprendere costantemente l’ambiente circostante per prendere decisioni in tempo reale, ad esempio fermarsi, svoltare o cambiare corsia. Il rilevamento di oggetti consente all’auto di identificare gli elementi chiave dell’ambiente, come pedoni, ciclisti, altri veicoli e segnali stradali. Tuttavia, rilevare questi oggetti in un singolo istante non basta per navigare in sicurezza.

È qui che entra in gioco il tracciamento di oggetti. Permette all’auto di seguire questi oggetti nel tempo, monitorandone gli spostamenti su più fotogrammi. Ad esempio, aiuta i veicoli autonomi a prevedere la direzione di un pedone, monitorare la velocità e la direzione dei veicoli vicini o riconoscere che un semaforo non è cambiato. Combinando rilevamento e tracciamento, le auto a guida autonoma possono anticipare i movimenti degli oggetti circostanti, reagire in modo proattivo e procedere in sicurezza e fluidamente.

Fig. 2. Ultralytics YOLO11 può essere utilizzato per rilevare e tracciare le auto.

Usare il tracciamento degli oggetti con Ultralytics YOLO11 per monitorare gli animali#

Il tracciamento degli animali in una fattoria, come i bovini, è fondamentale per una gestione efficace, ma può essere un’attività noiosa e dispendiosa in termini di tempo. I metodi tradizionali, come l’uso di sensori o targhette, presentano spesso degli svantaggi. Questi dispositivi possono stressare gli animali quando vengono applicati e rischiano di staccarsi o danneggiarsi, interrompendo il tracciamento.

La visione artificiale offre agli agricoltori una soluzione migliore per monitorare e tracciare gli animali senza bisogno di applicare loro etichette fisiche. Il tracciamento di oggetti può fornire agli agricoltori informazioni preziose sul comportamento e sulla salute degli animali. Ad esempio, può aiutare a rilevare condizioni come la zoppia, che influiscono sul modo in cui un animale cammina. Usando il tracciamento di oggetti, gli agricoltori possono individuare sottili cambiamenti nei movimenti e affrontare tempestivamente i problemi di salute.

Oltre a monitorare la salute, la visione artificiale può aiutare gli agricoltori a comprendere altri comportamenti, come le interazioni sociali, le abitudini alimentari e i modelli di movimento. Queste informazioni possono migliorare la gestione delle mandrie, ottimizzare i programmi di alimentazione e promuovere il benessere generale degli animali. Riducendo il lavoro manuale e minimizzando lo stress per gli animali, il tracciamento basato sulla visione artificiale è uno strumento pratico ed efficiente per l’agricoltura moderna.

Fig. 3. Uso di Ultralytics YOLO11 per tracciare agricoltori e una mucca.

Tracciamento degli oggetti nella produzione con Ultralytics YOLO11#

Il tracciamento di oggetti trova numerose applicazioni nel settore manifatturiero. Ad esempio, i sistemi di rilevamento e tracciamento degli oggetti possono monitorare le linee di produzione. I prodotti o le materie prime possono essere facilmente tracciati e conteggiati mentre si spostano su un nastro trasportatore. Questi sistemi possono anche essere integrati con altri sistemi di visione artificiale per svolgere attività aggiuntive. Ad esempio, un articolo difettoso può essere identificato con un sistema di rilevamento dei difetti e tracciato per assicurarsi che venga gestito correttamente.

Un’altra importante applicazione del tracciamento di oggetti nel settore manifatturiero riguarda la sicurezza. I sistemi di tracciamento di oggetti possono rilevare e tracciare i lavoratori in ambienti di produzione potenzialmente pericolosi. I sistemi di visione artificiale possono delimitare e monitorare costantemente le zone pericolose, avvisando i supervisori se i lavoratori tracciati si avvicinano a queste aree. Questi sistemi di sicurezza possono essere usati anche per rilevare e tracciare le attrezzature, riducendo il rischio di furti.

Fig. 4. Esempio di utilizzo del rilevamento degli oggetti di YOLO11 per individuare i lavoratori.

Tracciamento degli oggetti e sorveglianza con Ultralytics YOLO11#

Il tracciamento di oggetti in tempo reale è ampiamente utilizzato nei sistemi di sicurezza e sorveglianza. Questi sistemi possono monitorare luoghi pubblici, nodi di trasporto e grandi spazi commerciali come i centri commerciali. Nelle aree ampie e affollate, questa tecnologia può tracciare persone sospette o monitorare il comportamento della folla, garantendo una sorveglianza continua. Ad esempio, durante la pandemia, i sistemi di tracciamento di oggetti sono stati usati per monitorare le zone affollate e verificare che le persone rispettassero il distanziamento sociale.

Il tracciamento di oggetti può essere usato anche per la sorveglianza del traffico. Permette di tracciare e analizzare il comportamento dei veicoli, individuando in tempo reale azioni insolite o sospette per contribuire a prevenire incidenti o reati. I sistemi di stima della velocità ne sono un buon esempio: possono rilevare e tracciare un veicolo per determinarne la velocità.

Fig. 5. È possibile stimare la velocità tramite il tracciamento degli oggetti.

Prova il tracciamento degli oggetti con Ultralytics YOLO11#

Ora che abbiamo esaminato alcune applicazioni del tracciamento di oggetti, vediamo come provarlo con il modello Ultralytics YOLO11 e la modalità di tracciamento.

Per iniziare, installa il pacchetto Python di Ultralytics usando pip, conda o Docker. Se riscontri problemi durante l’installazione, la nostra guida ai problemi comuni offre utili suggerimenti per la risoluzione.

Dopo aver installato correttamente il pacchetto, esegui il codice seguente. Il codice mostra come caricare il modello Ultralytics YOLO11 e usarlo per tracciare gli oggetti in un file video. Il modello utilizzato nel codice è “yolo11n.pt”. La «n» indica Nano, la variante più piccola del modello YOLO11. Sono disponibili anche altre varianti: small, medium, large ed extra-large.

Fig. 6. Frammento di codice che mostra il tracciamento degli oggetti con il modello Ultralytics YOLO11.

Puoi anche scegliere di usare un modello addestrato su misura invece di un modello preaddestrato. L’addestramento personalizzato consiste nell’ottimizzare un modello preaddestrato per adattarlo alla tua applicazione specifica.

Come accennato in precedenza, il tracciamento di oggetti è supportato dai seguenti modelli YOLO11: rilevamento di oggetti, stima della posa e segmentazione di istanze. Se la tua applicazione prevede attività di tracciamento specifiche, puoi addestrare su misura uno qualsiasi di questi modelli in base alle tue esigenze. Puoi addestrare un modello su misura usando il pacchetto Python di Ultralytics o la piattaforma senza codice Ultralytics HUB (ora Ultralytics Platform).

Punti chiave#

Ultralytics YOLO11 è un ottimo strumento per tracciare gli oggetti nei video e può essere utilizzato in molti ambiti diversi, come le auto a guida autonoma, l’agricoltura, la produzione e la sicurezza. Può rilevare e seguire oggetti in tempo reale, aiutando le aziende e i settori industriali a monitorare lavoratori e attrezzature. Il modello è facile da usare e personalizzabile in base a esigenze specifiche, perciò è una buona scelta per chiunque voglia adottare la visione artificiale.

Per saperne di più, visita il nostro repository GitHub e partecipa alla nostra community. Scopri le applicazioni dell’AI nelle auto a guida autonoma e nell’agricoltura nelle pagine dedicate alle nostre soluzioni.