Tracciamento degli oggetti

Il tracciamento degli oggetti è un'attività fondamentale della computer vision (CV) che consiste nell'identificare e seguire uno o più oggetti in movimento in una sequenza di fotogrammi video. A differenza del rilevamento degli oggetti, che li individua in una singola immagine, il tracciamento degli oggetti aggiunge una dimensione temporale, assegnando un ID univoco a ciascun oggetto e mantenendone l'identità mentre si muove, cambia aspetto o viene temporaneamente occluso. Questa capacità consente una comprensione più approfondita del comportamento, delle interazioni e dei modelli di movimento degli oggetti nel corso del tempo, rendendola una pietra miliare di molte applicazioni di analisi video dinamica.

Come funziona il tracciamento degli oggetti

Il processo di tracciamento degli oggetti inizia in genere con l'utilizzo di un modello di rilevamento degli oggetti per identificare e localizzare gli oggetti nel primo fotogramma di un video. A ogni oggetto rilevato viene assegnato un ID di tracciamento univoco. Nei fotogrammi successivi, l'algoritmo di tracciamento prevede le nuove posizioni di questi oggetti e tenta di abbinarli agli oggetti appena rilevati. Questo processo si basa su varie tecniche:

• Previsione del movimento: Algoritmi come il filtro di Kalman (KF) vengono utilizzati per stimare la posizione futura di un oggetto in base ai suoi stati passati (posizione, velocità). Questo aiuta a restringere l'area di ricerca dell'oggetto nel fotogramma successivo.
• Corrispondenza dell'aspetto: comporta l'estrazione di caratteristiche distintive da un oggetto, come istogrammi di colore o embeddings basati sul deep learning. Queste caratteristiche creano una firma unica che aiuta a identificare nuovamente l'oggetto anche dopo l'occlusione o cambiamenti significativi nell'aspetto.
• Associazione dei dati: È la fase cruciale della corrispondenza tra le tracce esistenti e i nuovi rilevamenti. Algoritmi come l'algoritmo ungherese o metodi più avanzati come ByteTrack e BoT-SORT gestiscono questa associazione, anche in scenari complessi con molti oggetti.

Tracciamento di oggetti e rilevamento di oggetti

Pur essendo strettamente correlati, il tracciamento e il rilevamento degli oggetti hanno scopi diversi.

• Rilevamento dell'oggetto: È il processo di identificazione e classificazione degli oggetti all'interno di una singola immagine o di un fotogramma video. Il risultato è un insieme di caselle di delimitazione, etichette di classe e punteggi di confidenza per ogni oggetto. Risponde alla domanda: "Quali oggetti sono presenti in questo fotogramma?".
• Tracciamento degli oggetti: Si basa sul rilevamento degli oggetti. Prende i rilevamenti di ogni fotogramma e li collega all'intera sequenza video, assegnando un ID persistente a ogni oggetto. Risponde alla domanda: "Dove sta andando questo oggetto specifico?".

In sostanza, si può pensare al rilevamento degli oggetti come a delle istantanee, mentre il tracciamento degli oggetti crea una storia continua del viaggio di ciascun oggetto attraverso il video. I modelli YOLO di Ultralytics integrano perfettamente entrambi, consentendo agli utenti di eseguire il tracking di più oggetti con elevata efficienza e precisione.

Applicazioni del mondo reale

Il tracciamento degli oggetti è una tecnologia trasformativa con numerose applicazioni in vari settori.

• Sorveglianza e sicurezza intelligenti: Nel campo della sicurezza, il tracciamento degli oggetti viene utilizzato per monitorare persone e veicoli in tempo reale. Un sistema può essere configurato per seguire automaticamente una persona che entra in un'area riservata, seguire un veicolo sospetto in un parcheggio o contare il numero di persone che entrano ed escono da un edificio. In questo modo, è possibile effettuare avvisi automatici e analisi forensi senza la costante supervisione umana. Ad esempio, un sistema di allarme di sicurezza può essere costruito in modo da attivarsi quando viene tracciata una persona che si muove in una zona predefinita dopo l'orario di lavoro.
• Veicoli autonomi: Per le auto a guida autonoma, il rilevamento di altri veicoli, pedoni e ciclisti è fondamentale per una navigazione sicura. Tracciando gli oggetti circostanti, un veicolo può prevedere le loro traiettorie, capire le loro intenzioni (ad esempio, un pedone che sta per attraversare la strada) e prendere decisioni informate per evitare collisioni. Questo tracciamento continuo fornisce una comprensione dell'ambiente molto più ricca rispetto al solo rilevamento di un singolo fotogramma.
• Analitica sportiva: Allenatori e analisti utilizzano il tracciamento degli oggetti per monitorare i movimenti dei giocatori sul campo. Tracciando ogni giocatore, possono analizzare le formazioni, misurare le metriche delle prestazioni, come la distanza percorsa e la velocità, e sviluppare strategie di gioco migliori. Questo può essere combinato con la stima della posa per analizzare in dettaglio la tecnica dei giocatori.
• Analisi del commercio al dettaglio: I rivenditori utilizzano il tracking per comprendere il comportamento dei clienti nei negozi. Analizzando i modelli di traffico pedonale, i tempi di permanenza nei diversi corridoi e le interazioni con i prodotti, le aziende possono ottimizzare il layout dei negozi e migliorare l'esperienza dei clienti. Questo può essere utilizzato anche per la gestione delle code per ridurre i tempi di attesa alle casse.

Strumenti e implementazione

L'implementazione di solide soluzioni di tracciamento degli oggetti è più che mai accessibile grazie a strumenti e framework moderni.

• Librerie e framework: Librerie come OpenCV forniscono strumenti fondamentali per l'elaborazione video e includono diversi algoritmi di tracciamento classici. I moderni framework di deep learning, come PyTorch e TensorFlow, sono utilizzati per costruire i potenti modelli di rilevamento che servono come spina dorsale per il tracking.
• Modelli YOLO di Ultralytics: Ultralytics semplifica l'implementazione del tracciamento ad alte prestazioni. Modelli come YOLO11 sono dotati di funzionalità di tracciamento integrate e altamente ottimizzate che possono essere attivate con un semplice comando. Questa integrazione consente agli sviluppatori di sfruttare lo stato dell'arte del rilevamento per attività come la segmentazione degli oggetti e delle istanze e il tracciamento delle pose. È possibile iniziare rapidamente seguendo la guida al tracciamento degli oggetti di YOLO11.
• Piattaforme end-to-end: Per gestire l'intero ciclo di vita dell'apprendimento automatico, dall'annotazione dei dati alla distribuzione dei modelli, piattaforme come Ultralytics HUB offrono una suite completa di strumenti. Questo semplifica il processo di formazione di modelli personalizzati e la loro distribuzione in ambienti di produzione.