Point Tracking

Il point tracking è un compito fondamentale nella computer vision che consiste nello stimare e seguire il movimento di punti specifici e localizzati (come pixel o caratteristiche distintive) in fotogrammi consecutivi di una sequenza video nel tempo. A differenza dell'object tracking, che monitora la posizione generale di intere entità utilizzando bounding boxes o segmentation masks, il point tracking si concentra su un livello di dettaglio molto più fine, a livello di sub-pixel. Identificando e mantenendo le corrispondenze tra queste posizioni precise, i sistemi di artificial intelligence (AI) possono realizzare compiti avanzati di video understanding che richiedono un'analisi del movimento complessa.

Link to this sectionComprendere il Point Tracking#

Tracciare accuratamente i punti in una scena dinamica è estremamente difficile. I punti tracciati soffrono frequentemente di occlusions — dove gli oggetti bloccano temporaneamente la vista della telecamera — oppure possono uscire completamente dal field of view. Inoltre, le variazioni di illuminazione, i cambi di prospettiva e i movimenti rapidi possono alterare drasticamente l'aspetto visivo di un punto.

Storicamente, algoritmi classici come il Lucas-Kanade optical flow gestivano questi compiti. Tuttavia, gli approcci moderni utilizzano potenti architetture di deep learning. Recenti innovazioni da parte di importanti organizzazioni di ricerca, come Google DeepMind's TAPIR (Tracking Any Point with Initialization and Refinement) e Meta AI's CoTracker3, hanno rivoluzionato il settore. A differenza dei metodi più vecchi che tracciavano i punti in modo indipendente, modelli come CoTracker3 utilizzano transformers per eseguire il tracciamento congiunto di più punti, sfruttando le dipendenze fisiche tra i punti che appartengono allo stesso oggetto. Questi modelli allo stato dell'arte utilizzano anche la pseudo-labeling su video del mondo reale per addestrare sistemi altamente accurati con requisiti di dati drasticamente ridotti.

Link to this sectionPoint Tracking vs. Attività Correlate#

Sebbene strettamente correlato, il point tracking differisce significativamente da altre attività di computer vision:

• Object Tracking: Assegna ID univoci a interi oggetti (ad esempio, una persona o un'auto) e li segue. Si basa pesantemente su modelli di object detection come Ultralytics YOLO26.
• Pose Estimation: Traccia specifici keypoint semantici (come le articolazioni umane) piuttosto che pixel arbitrari. Sebbene condivida analogie con il point tracking, la pose estimation richiede una comprensione semantica della struttura dell'oggetto.

Link to this sectionApplicazioni nel mondo reale#

Il point tracking è un abilitatore fondamentale per diverse applicazioni avanzate:

• 3D Reconstruction and Structure-from-Motion (SfM): Tracciando caratteristiche specifiche attraverso diverse angolazioni della telecamera o fotogrammi video, i sistemi possono dedurre la profondità e costruire ricostruzioni 3D accurate degli ambienti, essenziali per la mappatura in augmented reality (AR).
• Robotics and Autonomous Navigation: I veicoli autonomi e i robot utilizzano il point tracking (spesso tramite visual odometry) per comprendere il proprio movimento rispetto all'ambiente circostante, calcolare trajectories e navigare in sicurezza attraverso ambienti dinamici complessi.
• Video Editing and Special Effects: Il software professionale di visual effects (VFX) si affida pesantemente al point tracking per stabilizzare riprese mosse o ancorare senza problemi computer-generated imagery (CGI) a oggetti in movimento in una scena reale.

Link to this sectionTracciare i Keypoint con Ultralytics#

Mentre i tracker di punti generici seguono pixel visivi arbitrari, puoi tracciare keypoint strutturali specifici (come gli occhi, le spalle o i polsi di una persona) utilizzando le capacità di pose tracking del pacchetto ultralytics. Il modello raccomandato YOLO26 fornisce un tracciamento dei keypoint end-to-end ad alta velocità, ideale per l'analisi del movimento.

from ultralytics import YOLO

# Load the recommended YOLO26 pose model for keypoint tracking
model = YOLO("yolo26n-pose.pt")

# Perform pose tracking on a video stream to follow human keypoints over time
results = model.track(source="video.mp4", stream=True)

# Iterate through the stream to process temporal keypoint tracking data
for frame_result in results:
    # Each keypoint maintains its association across frames
    print(f"Tracked {len(frame_result.keypoints)} human skeletons in current frame.")

Quando distribuisci flussi di lavoro di computer vision su larga scala, la Ultralytics Platform offre una soluzione semplificata per data annotation, addestramento dei modelli e deployment fluido, garantendo prestazioni affidabili in diversi ambienti edge e cloud.