Come utilizzare Ultralytics YOLO11 per il tracciamento di oggetti

Immagina di voler monitorare e tracciare il movimento dei componenti su una linea di montaggio in uno stabilimento di produzione per garantire il controllo qualità e migliorare l'efficienza del flusso di lavoro. Tipicamente, questo comporterebbe ispezioni manuali o l'uso di sensori di base per tracciare gli articoli, il che può richiedere molto tempo ed essere soggetto a errori. Tuttavia, la computer vision e l'object tracking possono essere utilizzati per automatizzare e migliorare questo processo.

L'object tracking è un task di computer vision che aiuta a rilevare, identificare e tracciare oggetti in un video. Può essere utilizzato per un'ampia varietà di applicazioni, dal monitoraggio degli animali nelle fattorie alla sicurezza e alla sorveglianza nei negozi retail. Gli oggetti tracciati in un video vengono solitamente visualizzati usando bounding boxes per aiutare l'utente a vedere esattamente dove si trovano e dove vengono rilevati all'interno del fotogramma video.

Lanciato 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 vision AI, incluso l'object tracking. In questo articolo, esploreremo come funziona l'object tracking e discuteremo le applicazioni del mondo reale. Daremo anche un'occhiata a come puoi provare l'object tracking usando YOLO11. Iniziamo!

Fig 1. Un esempio di utilizzo di YOLO11 per l'object tracking in un negozio retail.

Link to this sectionObject tracking basato su AI con YOLO11#

L'object tracking è una tecnica essenziale 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 altro task di computer vision: l'object detection. La differenza chiave tra i due risiede nel modo in cui gestiscono i fotogrammi video. L'object detection analizza ogni fotogramma individualmente, identificando e classificando gli oggetti senza considerare i fotogrammi precedenti o futuri. L'object tracking, invece, unisce i punti tra i vari fotogrammi, seguendo gli stessi oggetti nel tempo e tenendo traccia dei loro movimenti.

Ecco una guida più dettagliata su 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 accuratamente oggetti multipli 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 attraverso i fotogrammi: un algoritmo di tracking segue gli oggetti nei fotogrammi successivi, aggiornando le loro posizioni 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 il tracciamento degli oggetti in tempo reale sfruttando algoritmi di tracciamento avanzati come BoT-SORT e ByteTrack. Funziona inoltre perfettamente con segmentazione e stima della posa modelli YOLO11, rendendolo uno strumento flessibile per un'ampia gamma di attività di tracciamento.

Link to this sectionApplicazioni dell'object tracking con YOLO11#

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

Link to this sectionYOLO11 per il tracciamento di veicoli autonomi#

L'object tracking 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. L'object detection consente all'auto di identificare elementi chiave nel proprio ambiente, come pedoni, ciclisti, altri veicoli e segnali stradali. Tuttavia, rilevare questi oggetti in un singolo momento non è sufficiente per una navigazione sicura.

È qui che entra in gioco l'object tracking. Permette all'auto di seguire questi oggetti nel tempo, tracciando i loro movimenti attraverso molteplici fotogrammi. Ad esempio, aiuta i veicoli autonomi a prevedere dove si sta dirigendo un pedone, a monitorare la velocità e la direzione dei veicoli vicini, o a riconoscere che un semaforo non è cambiato. Combinando rilevamento e tracciamento, le auto a guida autonoma possono anticipare il movimento degli oggetti intorno a loro, rispondere in modo proattivo e guidare in modo sicuro e fluido.

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

Link to this sectionUtilizzare l'object tracking di YOLO11 per monitorare gli animali#

Tracciare animali in una fattoria, come il bestiame, è vitale per una gestione efficace, ma può essere un compito tedioso e dispendioso in termini di tempo. I metodi tradizionali, come l'uso di sensori o etichette, spesso presentano svantaggi. Questi dispositivi possono stressare gli animali quando vengono applicati e sono inclini a cadere o danneggiarsi, il che interrompe il tracciamento.

La computer vision offre una soluzione migliore per gli agricoltori per monitorare e tracciare gli animali senza la necessità di etichette fisiche. L'object tracking può fornire agli agricoltori 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 cammina un animale. Usando l'object tracking, gli agricoltori possono individuare cambiamenti sottili nel movimento e affrontare i problemi di salute precocemente.

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 pattern di movimento. Queste intuizioni 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 tracking basato su computer vision è uno strumento pratico ed efficiente per l'agricoltura moderna.

Fig 3. Utilizzo di YOLO11 per tracciare agricoltori e una mucca.

Link to this sectionObject tracking nella produzione con YOLO11#

L'object tracking ha molti casi d'uso nel settore manifatturiero. Ad esempio, i sistemi di rilevamento e tracciamento degli oggetti possono monitorare le linee di produzione. Prodotti o materie prime possono essere facilmente tracciati e contati mentre si muovono su un nastro trasportatore. Questi sistemi possono anche essere integrati con altri sistemi di computer vision per eseguire attività aggiuntive. Per esempio, un articolo difettoso può essere identificato utilizzando un sistema di rilevamento dei difetti e tracciato usando l'object tracking per assicurarsi che venga gestito correttamente.

Un'altra importante applicazione dell'object tracking nel settore manifatturiero riguarda la sicurezza. 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 (che vengono tracciati) si avvicinano a tali aree. Tali sistemi di sicurezza possono essere utilizzati anche per rilevare e tracciare le attrezzature, prevenendo il rischio di furto.

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

Link to this sectionObject tracking e sorveglianza con YOLO11#

L'object tracking in tempo reale è ampiamente utilizzato nei sistemi di sicurezza e sorveglianza. Questi sistemi possono essere utilizzati per monitorare luoghi pubblici, nodi di trasporto e grandi ambienti retail come i centri commerciali. Grandi aree 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 tracciare le aree affollate e assicurarsi che le persone mantenessero il distanziamento sociale.

L'object tracking può essere utilizzato anche nella sorveglianza del traffico. L'object tracking rende possibile tracciare e analizzare il comportamento dei veicoli, individuando azioni insolite o sospette in tempo reale per aiutare a prevenire incidenti o crimini. 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 effettuata utilizzando l'object tracking.

Link to this sectionProva l'object tracking con Ultralytics YOLO11#

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

Per iniziare, installa il pacchetto Python di Ultralytics usando pip, conda o Docker. Se incontri problemi durante l'installazione, la nostra Guida ai Problemi Comuni offre utili suggerimenti per la risoluzione dei problemi.

Una volta installato correttamente il pacchetto, esegui il seguente codice. Esso illustra come caricare il modello Ultralytics YOLO11 e usarlo 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 del modello tra cui scegliere: small, medium, large e extra-large.

Fig 6. Uno snippet di codice che mostra l'object tracking utilizzando il modello YOLO11.

Puoi anche scegliere di utilizzare un modello addestrato su misura invece di un modello pre-addestrato. L'addestramento personalizzato prevede il fine-tuning di un modello pre-addestrato per adattarsi alla tua applicazione specifica.

Come menzionato 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 richiede il tracking, puoi addestrare su misura uno qualsiasi di questi modelli a seconda della tua applicazione. Puoi addestrare un modello su misura utilizzando il pacchetto Python di Ultralytics o la piattaforma no-code, Ultralytics HUB.

Link to this sectionPunti 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 di AI nelle auto a guida autonoma e nell'agricoltura sulle nostre pagine delle soluzioni. 🚀