Come utilizzare Ultralytics YOLO11 per il tracciamento degli oggetti
Scopri con noi come utilizzare Ultralytics YOLO11 per il tracciamento degli oggetti in applicazioni in tempo reale come sorveglianza, agricoltura e produzione.
Supponiamo che tu voglia monitorare e tracciare il movimento dei componenti su una linea di assemblaggio in uno stabilimento di produzione per garantire il controllo qualità e migliorare l'efficienza del flusso di lavoro. In genere, ciò comporterebbe ispezioni manuali o l'uso di sensori di base per tracciare gli elementi, un'attività che può richiedere molto tempo ed essere soggetta a errori. Tuttavia, la computer vision e il tracciamento degli oggetti possono essere utilizzati per automatizzare e migliorare questo processo.
Il tracciamento degli oggetti è un'attività di computer vision che aiuta a rilevare, identificare e tracciare gli oggetti in un video. Può essere utilizzato per un'ampia varietà di applicazioni, dal monitoraggio degli animali nelle aziende agricole alla sicurezza e alla sorveglianza nei negozi al dettaglio. Gli oggetti tracciati in un video vengono generalmente visualizzati utilizzando riquadri di delimitazione, per aiutare l'utente a vedere esattamente dove si trovano e vengono rilevati all'interno dell'inquadratura video.
Presentato durante l'evento ibrido annuale di Ultralytics, YOLO Vision 2024 (YV24), Ultralytics YOLO11 è un modello di computer vision in grado di gestire un'ampia varietà di attività di IA per la visione, tra cui il tracciamento degli oggetti. In questo articolo esploreremo come funziona il tracciamento degli oggetti e parleremo delle applicazioni reali. Vedremo anche come puoi provare il tracciamento degli oggetti utilizzando YOLO11. Iniziamo!
Fig. 1. Un esempio di utilizzo di Ultralytics YOLO11 per il tracciamento degli oggetti in un negozio al dettaglio.
Tracciamento degli oggetti basato sull'IA con Ultralytics YOLO11#
Il tracciamento degli oggetti è una tecnica essenziale di computer vision. Permette di identificare e tracciare gli oggetti in un video nel corso del tempo. Il tracciamento degli oggetti può sembrare molto simile a un'altra attività di computer vision: il rilevamento degli oggetti. La differenza fondamentale tra i due consiste nel modo in cui gestiscono i fotogrammi video. Il rilevamento degli oggetti analizza ogni fotogramma individualmente, identificando e classificando gli oggetti senza considerare i fotogrammi precedenti o successivi. Il tracciamento degli oggetti, invece, collega i fotogrammi tra loro, seguendo gli stessi oggetti nel tempo e tenendo traccia dei loro movimenti.
Ecco una spiegazione più dettagliata di come funziona il tracciamento degli oggetti:
- Rilevamento degli oggetti: il processo inizia rilevando gli oggetti in un singolo fotogramma di un video. YOLO11 può essere utilizzato per identificare con precisione più oggetti e le loro posizioni.
- Assegnazione di ID univoci: a ogni oggetto rilevato viene assegnato un ID univoco per distinguerlo dagli altri e facilitarne il tracciamento.
- Tracciamento del movimento tra i 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 visuale, ad esempio perché viene bloccato da un altro oggetto, il sistema garantisce la ripresa del tracciamento quando l'oggetto ricompare.
- Aggiornamento delle informazioni sugli oggetti: mentre gli oggetti si muovono, le loro posizioni e i loro attributi, come velocità o direzione, vengono aggiornati continuamente per riflettere i cambiamenti nel tempo.
Ultralytics supporta il tracciamento degli oggetti in tempo reale sfruttando algoritmi di tracciamento avanzati come BoT-SORT e ByteTrack. Funziona inoltre perfettamente con i modelli YOLO11 di segmentazione e stima della posa, rendendolo 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 un'ampia gamma di possibili applicazioni in molti settori. Esaminiamo più da vicino alcuni casi d'uso del tracciamento degli oggetti con YOLO11.
Ultralytics YOLO11 per il tracciamento dei veicoli autonomi#
Il tracciamento degli oggetti è fondamentale per aiutare le auto a guida autonoma a operare in modo sicuro ed efficiente. Questi veicoli devono comprendere costantemente l'ambiente circostante per prendere decisioni in tempo reale, come fermarsi, svoltare o cambiare corsia. Il rilevamento degli 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 è sufficiente per una navigazione sicura.
È qui che entra in gioco il tracciamento degli oggetti. Consente all'auto di seguire questi oggetti nel tempo, tracciandone i movimenti attraverso 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 il movimento degli oggetti circostanti, reagire in modo proattivo e viaggiare in sicurezza e fluidità.
Fig. 2. Ultralytics YOLO11 può essere utilizzato per rilevare e tracciare le auto.
Utilizzo del tracciamento degli oggetti con Ultralytics YOLO11 per monitorare gli animali#
Il tracciamento degli animali in un'azienda agricola, ad esempio dei 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 tag, presentano spesso degli svantaggi. Quando vengono applicati, questi dispositivi possono stressare gli animali e sono soggetti a staccarsi o danneggiarsi, interrompendo il tracciamento.
La computer vision offre agli agricoltori una soluzione migliore per monitorare e tracciare gli animali senza ricorrere a tag fisici. Il tracciamento degli 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 cammina un animale. Utilizzando il tracciamento degli oggetti, gli agricoltori possono individuare cambiamenti impercettibili nel movimento e affrontare tempestivamente i problemi di salute.
Oltre al monitoraggio della salute, la computer vision può anche 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 della mandria, 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 computer vision è uno strumento pratico ed efficiente per l'agricoltura moderna.
Fig. 3. Utilizzo di Ultralytics YOLO11 per tracciare gli agricoltori e una mucca.
Tracciamento degli oggetti nella produzione con Ultralytics YOLO11#
Il tracciamento degli oggetti ha molti casi d'uso nel settore della produzione. 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 computer vision per eseguire attività aggiuntive. Ad esempio, un articolo difettoso può essere identificato utilizzando un sistema di rilevamento dei difetti e tracciato tramite il tracciamento degli oggetti per garantire che venga gestito correttamente.
Un'altra importante applicazione del tracciamento degli oggetti nella produzione riguarda la sicurezza. I sistemi di tracciamento degli oggetti possono essere utilizzati per rilevare e tracciare i lavoratori in ambienti di produzione potenzialmente pericolosi. Le aree pericolose possono essere contrassegnate e monitorate costantemente utilizzando sistemi di computer vision, e i supervisori possono essere avvisati se i lavoratori tracciati si avvicinano a tali aree. Questi sistemi di sicurezza possono anche essere utilizzati per rilevare e tracciare le apparecchiature, prevenendo il rischio di furti.
Fig. 4. Un esempio di utilizzo del rilevamento degli oggetti di YOLO11 per rilevare i lavoratori.
Tracciamento degli oggetti e sorveglianza con Ultralytics YOLO11#
Il tracciamento degli oggetti in tempo reale è ampiamente utilizzato nei sistemi di sicurezza e sorveglianza. Questi sistemi possono essere utilizzati per monitorare i luoghi pubblici, gli snodi dei trasporti e i grandi ambienti commerciali, come i centri commerciali. Le aree grandi e affollate possono utilizzare questa tecnologia per tracciare individui sospetti o il comportamento della folla, offrendo una soluzione di sorveglianza fluida. Ad esempio, durante la pandemia, i sistemi di tracciamento degli oggetti venivano utilizzati per monitorare le aree affollate e assicurarsi che le persone mantenessero il distanziamento sociale.
Il tracciamento degli oggetti può essere utilizzato anche nella sorveglianza del traffico. Il tracciamento degli oggetti permette di monitorare e analizzare il comportamento dei veicoli, individuando azioni insolite o sospette in tempo reale per contribuire a prevenire incidenti o reati. Un buon esempio sono i sistemi di stima della velocità. Possono rilevare e tracciare un veicolo per determinarne la velocità.
Fig. 5. La stima della velocità può essere eseguita utilizzando il tracciamento degli oggetti.
Prova il tracciamento degli oggetti con Ultralytics YOLO11#
Ora che abbiamo esaminato alcune applicazioni del tracciamento degli oggetti, vediamo come puoi provarlo utilizzando il modello Ultralytics YOLO11.
Per iniziare, installa il pacchetto Python di Ultralytics utilizzando pip, conda o Docker. Se riscontri problemi durante l'installazione, la nostra Guida ai problemi comuni offre utili suggerimenti per la risoluzione dei problemi.
Dopo aver installato correttamente il pacchetto, esegui il codice seguente. Mostra come caricare il modello Ultralytics YOLO11 e utilizzarlo per tracciare gli oggetti in un file video. Il modello utilizzato nel codice è “yolo11n.pt”. La “n” sta per Nano, la variante più piccola del modello YOLO11. Sono disponibili anche altre varianti del modello: small, medium, large ed extra-large.
Fig. 6. Un frammento di codice che mostra il tracciamento degli oggetti utilizzando il modello Ultralytics YOLO11.
Puoi anche scegliere di utilizzare un modello addestrato su dati personalizzati 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 degli oggetti è supportato dai seguenti modelli YOLO11: rilevamento degli oggetti, stima della posa e segmentazione delle istanze. Se hai un'applicazione specifica che prevede il tracciamento, puoi addestrare in modo personalizzato uno qualsiasi di questi modelli in base alla tua applicazione. Puoi addestrare un modello in modo personalizzato utilizzando il pacchetto Python di Ultralytics o la piattaforma senza codice, Ultralytics HUB.
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 gli oggetti in tempo reale, aiutando aziende e industrie a tenere sotto controllo lavoratori e apparecchiature. Il modello è facile da usare e può essere personalizzato per esigenze specifiche, risultando una buona opzione per chiunque sia interessato ad adottare facilmente funzionalità di computer vision.
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 nostre pagine dedicate alle soluzioni. 🚀
