Come utilizzare Ultralytics YOLO11 per il tracciamento di oggetti

Immagina di voler monitorare e tracciare il movimento dei componenti su una catena di montaggio in un impianto manufacturing per garantire il quality control e migliorare l'efficienza del flusso di lavoro. Di solito, questo comporterebbe ispezioni manuali o l'uso di sensori di base per tracciare gli articoli, processi che possono richiedere molto tempo ed essere soggetti a errori. Tuttavia, la computer vision e l'object tracking possono essere impiegati per automatizzare e potenziare questo processo.

L'object tracking è un computer vision task che aiuta a rilevare, identificare e tracciare oggetti in un video. Può essere utilizzato per un'ampia gamma di applicazioni, dal animal monitoring nelle fattorie alla security e alla surveillance nei negozi al dettaglio (retail). Gli objects being tracked in un video vengono solitamente visualized utilizzando bounding boxes per aiutare l'utente a vedere esattamente dove si trovano e vengono rilevati all'interno del fotogramma video.

Presentato durante l'Ultralytics’ annual hybrid event, YOLO Vision 2024 (YV24), Ultralytics YOLO11 è un computer vision model in grado di gestire un'ampia varietà di attività di vision AI, tra cui l'object tracking. In questo articolo esploreremo il funzionamento dell'object tracking e discuteremo di applicazioni nel mondo reale. Daremo anche un'occhiata a come puoi provare l'object tracking utilizzando YOLO11. Cominciamo!

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

Tracciamento degli oggetti basato su IA con Ultralytics YOLO11#

L'Object tracking è una tecnica fondamentale di computer vision. Rende possibile identificare e tracciare gli oggetti in un video nel corso del tempo. L'object tracking può sembrare molto simile a un'altra attività di computer vision: l'object detection. La differenza chiave tra le due risiede nel modo in cui gestiscono i fotogrammi video. L'Object detection analizza ogni fotogramma singolarmente, identificando e classificando gli oggetti senza considerare i fotogrammi precedenti o futuri. L'Object tracking, d'altra parte, collega i punti tra i fotogrammi, seguendo gli stessi oggetti nel tempo e tenendo traccia dei loro movimenti.

Ecco una panoramica più dettagliata di come funziona l'object tracking:

• Object detection: 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.
• Track movement tra i fotogrammi: Un algoritmo di tracciamento segue gli oggetti nei fotogrammi successivi, aggiornandone le posizioni e mantenendo al contempo l'associazione con i loro ID univoci.
• Gestione delle occlusioni: se un oggetto scompare temporaneamente dalla vista (ad esempio, bloccato da un altro oggetto), il sistema garantisce che il tracking riprenda una volta che l'oggetto riappare.
• Aggiornamento delle informazioni sull'oggetto: man mano che gli oggetti si muovono, le loro posizioni e attributi (come velocità o direzione) vengono continuamente aggiornati per riflettere i cambiamenti nel tempo.

Ultralytics supporta l'object tracking in tempo reale sfruttando algoritmi di tracciamento avanzati come BoT-SORT e ByteTrack. Funziona inoltre in perfetta sinergia con i YOLO11 models di segmentation e pose estimation, rendendolo uno strumento flessibile per un'ampia gamma di attività di tracciamento.

Applicazioni del tracciamento degli oggetti con Ultralytics YOLO11#

Le capacità versatili del Ultralytics YOLO11 model aprono un'ampia gamma di possibili applicazioni in molti settori. Diamo un'occhiata più da vicino ad alcuni casi d'uso dell'object tracking con YOLO11.

Ultralytics YOLO11 per il tracciamento di veicoli autonomi#

L'object tracking è fondamentale per consentire alle auto self-driving di 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. L'Object detection consente all'auto di identificare elementi chiave nel proprio ambiente, come pedoni, cyclists, altri veicoli e segnali stradali. Tuttavia, rilevare questi oggetti in un singolo istante non è sufficiente per una guida sicura.

È qui che entra in gioco l'object tracking. Consente all'auto di seguire questi oggetti nel tempo, tracciandone i movimenti attraverso più fotogrammi. Ad esempio, aiuta i veicoli autonomi (autonomous vehicles) a prevedere dove è diretto un pedone, a monitorare la velocità e la direzione dei veicoli vicini o a riconoscere che un semaforo non è cambiato. Combinando detection e tracciamento, le auto a guida autonoma possono anticipare il movimento degli oggetti intorno a loro, rispondere in modo proattivo e guidare in sicurezza e fluidità.

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

Uso del tracciamento di oggetti con Ultralytics YOLO11 per monitorare gli animali#

Il Tracking animals in una fattoria, come il bestiame, è vitale per una gestione efficace, ma può essere un compito noioso e dispendioso in termini di tempo. I metodi tradizionali, come l'uso di sensori o etichette, presentano spesso dei lati negativi. Questi dispositivi possono stressare gli animali quando vengono applicati e sono inclini a cadere o danneggiarsi, interrompendo il tracciamento.

La computer vision fornisce una migliore solution for farmers per monitorare e tracciare gli animali senza la necessità di etichette fisiche. L'object tracking può fornire ai farmers preziose informazioni sul comportamento e sulla salute degli animali. Ad esempio, può aiutare a rilevare condizioni come la zoppia che influenzano il modo in cui un animale cammina. Utilizzando l'object tracking, i farmers possono individuare sottili cambiamenti nel movimento e affrontare tempestivamente i problemi di salute.

Oltre al monitoraggio della salute, la computer vision può anche aiutare i farmers a comprendere altri comportamenti, come le interazioni sociali, le abitudini alimentari e i modelli di movimento. Queste informazioni possono migliorare la gestione del bestiame, 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 su computer vision è uno strumento pratico ed efficiente per l'agricoltura moderna.

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

Tracciamento di oggetti nel settore manifatturiero tramite Ultralytics YOLO11#

L'object tracking ha molti casi d'uso nel settore del manufacturing. Ad esempio, i sistemi di object detection e tracking possono monitorare le linee di produzione. I prodotti o le materie prime possono essere facilmente tracciati e counted mentre si muovono su un nastro trasportatore. Questi sistemi possono anche essere integrated con altri sistemi di computer vision per eseguire attività aggiuntive. Ad esempio, un articolo difettoso può essere identificato utilizzando un sistema di defect detection e tracciato tramite l'object tracking per assicurarsi che venga gestito correttamente.

Un'altra importante applicazione dell'object tracking nel settore manifatturiero riguarda la safety. I sistemi di object tracking 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 zone. Tali safety systems possono anche essere utilizzati per rilevare e tracciare le attrezzature, prevenendo il rischio di theft.

Fig 4. Un esempio di object detection con YOLO11 utilizzata per rilevare i lavoratori.

Tracciamento di oggetti e videosorveglianza con Ultralytics YOLO11#

L'object tracking in tempo reale è ampiamente utilizzato nei sistemi di sicurezza e sorveglianza. Questi sistemi possono essere impiegati per monitor public places, transportation hubs e grandi retail environments come i centri commerciali. Aree grandi e affollate possono utilizzare questa tecnologia per tracciare individui sospetti o il comportamento della folla, fornendo una soluzione di sorveglianza senza interruzioni. Ad esempio, durante la pandemia, i sistemi di object tracking sono stati utilizzati per monitorare le aree affollate e assicurarsi che le persone mantenessero il distanziamento sociale.

L'object tracking può essere utilizzato anche nella traffic surveillance. L'object tracking rende possibile tracciare e analizzare il comportamento dei veicoli, individuando azioni inusuali o sospette in tempo reale per aiutare a prevenire incidenti o crimini. Un buon esempio sono i sistemi di speed estimation. Possono rilevare e track a vehicle per determinarne la velocità.

Fig 5. La stima della velocità può essere effettuata utilizzando l'object tracking.

Prova l'object tracking con Ultralytics YOLO11#

Ora che abbiamo esplorato alcune delle applicazioni dell'object tracking, parliamo di come puoi provarlo utilizzando il Ultralytics YOLO11 model.

Per get started, installa il Ultralytics Python package usando pip, conda o Docker. Se riscontri problemi durante l'installazione, la nostra Common Issues Guide offre utili consigli per la risoluzione dei problemi.

Una volta installed il pacchetto con successo, esegui il seguente codice. Viene illustrato come caricare il modello Ultralytics YOLO11 e utilizzarlo per tracciare 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. Ci sono anche altre varianti di modelli tra cui scegliere: small, medium, large ed extra-large.

Fig 6. Uno snippet di codice che mostra il tracciamento di oggetti tramite il modello Ultralytics YOLO11.

Puoi anche scegliere di utilizzare un modello addestrato su misura invece di un modello pre-addestrato. Il training personalizzato comporta il fine-tuning di un modello pre-addestrato per adattarlo alla tua specific application.

Come accennato in precedenza, l'object tracking è supportato per i seguenti modelli YOLO11: object detection, pose estimation e instance segmentation. Se hai un'applicazione specifica che prevede il tracciamento, puoi addestrare su misura qualsiasi di questi modelli in base alle tue esigenze. Puoi addestrare un modello su misura utilizzando il Ultralytics Python package o la no-code platform, Ultralytics HUB.

Punti chiave#

Ultralytics YOLO11 è un ottimo strumento per tracciare oggetti nei video e può essere utilizzato in molti campi diversi, come auto a guida autonoma, agricoltura, produzione e sicurezza. Può rilevare e seguire oggetti in tempo reale, aiutando aziende e industrie a tenere traccia dei propri lavoratori e attrezzature. Il modello è facile da usare e può essere personalizzato per esigenze specifiche, rendendolo una buona opzione per chiunque sia interessato ad adottare funzionalità di computer vision senza problemi.

Per saperne di più, visita il nostro repository GitHub e interagisci con la nostra community. Esplora le applicazioni dell'IA nelle auto a guida autonoma e nell'agricoltura sulle nostre pagine delle soluzioni. 🚀