Ultralytics YOLO11 監視、農業、製造などのリアルタイム・アプリケーションのオブジェクト追跡に使用する方法を詳しく見ていきましょう。
例えば、製造施設の組立ラインで部品の動きを監視・track し、品質管理とワークフローの効率化を図りたいとします。一般的には、手作業で検査したり、基本的なセンサーを使用してアイテムをtrack したりすることになりますが、これには時間がかかり、エラーも発生しがちです。しかし、コンピュータ・ビジョンと オブジェクト・トラッキングを使えば、このプロセスを自動化し、強化することができる。
オブジェクトトラッキングは、ビデオ内のオブジェクトをdetect、識別、track するためのコンピュータビジョンタスクである。農場での動物モニタリングから 小売店でのセキュリティや 監視まで、様々な用途に使用することができます。ビデオ内で追跡されるオブジェクトは、通常バウンディングボックスを使用して視覚化され、ユーザーがビデオフレーム内のどこに位置し、検出されたかを正確に確認できるようにします。
Ultralytics年次ハイブリッドイベント「YOLO Vision 2024（YV24）」で発表、 Ultralytics YOLO11は、物体追跡を含む様々なVision AIタスクを処理できるコンピュータビジョンモデルです。この記事では、物体追跡がどのように機能するのかを探り、実際のアプリケーションについて説明します。また、YOLO11を使ったオブジェクト・トラッキングを試す方法も紹介します。 YOLO11.それでは始めましょう！
オブジェクト・トラッキングは、コンピュータ・ビジョンに不可欠な技術である。これにより、ビデオ内のオブジェクトを識別し、時間経過とともに追跡することが可能になります。オブジェクトトラッキングは、コンピュータビジョンのもう一つのタスクであるオブジェクト検出と非常に似ているように見えます。この2つの決定的な違いは、ビデオフレームの扱い方にあります。オブジェクト検出は各フレームを個別に見て、前後のフレームを考慮することなくオブジェクトを識別・分類します。一方、オブジェクトトラッキングはフレーム間の点と点を結びつけ、同じオブジェクトを時系列で追いかけ、その動きをtrack します。
オブジェクト追跡の仕組みをより詳しく見ていきましょう。
Ultralytics 、BoT-SORTや ByteTrackのような高度なトラッキングアルゴリズムを活用することで、リアルタイムのオブジェクトトラッキングをサポートします。また、セグメンテーションや ポーズ推定 YOLO11 モデルともシームレスに動作し、幅広いトラッキングタスクに対応する柔軟なツールとなっています。
Ultralytics YOLO11 モデルの多彩な機能は、様々な業界において幅広いアプリケーションの可能性を広げます。YOLO11 物体追跡の使用例を詳しく見てみましょう。
物体追跡は、自動運転車が安全かつ効率的に動作するのを支援するために不可欠です。これらの車両は、停止、旋回、車線変更などのリアルタイムの意思決定を行うために、周囲の状況を常に理解する必要があります。物体検出により、車は歩行者、自転車に乗る人、他の車両、交通標識など、環境内の主要な要素を識別できます。ただし、これらの物体を単一の瞬間に検出するだけでは、安全なナビゲーションには不十分です。
そこで、オブジェクト追跡が登場します。これにより、車はこれらのオブジェクトを時間経過とともに追跡し、複数のフレームにわたって動きを追跡できます。たとえば、自動運転車が歩行者の進む方向を予測したり、近くの車両の速度と方向を監視したり、信号が変化していないことを認識したりするのに役立ちます。検出と追跡を組み合わせることで、自動運転車は周囲のオブジェクトの動きを予測し、積極的に対応し、安全かつスムーズに運転できます。
牛などの農場の動物の追跡は、効果的な管理に不可欠ですが、退屈で時間のかかる作業になる可能性があります。センサーやタグを使用するなどの従来の方法には、多くの場合、欠点があります。これらのデバイスは、取り付け時に動物にストレスを与え、脱落したり損傷したりしやすく、追跡を中断させます。
コンピュータ・ビジョンは、農家が物理的なタグを必要とせずに動物を監視・track するためのより良いソリューションを提供する。オブジェクト・トラッキングは、動物の行動や健康状態に関する貴重な洞察を農家に与えることができる。例えば、動物の歩き方に影響を与える跛行などの状態をdetect のに役立ちます。オブジェクトトラッキングを使用することで、農家は動きの微妙な変化を発見し、健康上の問題に早期に対処することができる。
健康状態のモニタリング以外にも、コンピュータビジョンは、農家が社会的交流、食習慣、移動パターンなど、他の行動を理解するのにも役立ちます。これらの洞察は、群れの管理を改善し、給餌スケジュールを最適化し、動物の全体的な健康を促進することができます。手作業を減らし、動物へのストレスを最小限に抑えることで、コンピュータビジョンベースの追跡は、現代の農業にとって実用的で効率的なツールです。
物体追跡には、製造部門で多くのユースケースがあります。たとえば、物体検出および追跡システムは、生産ラインを監視できます。製品または原材料は、コンベヤーベルト上を移動する際に簡単に追跡およびカウントできます。これらのシステムは、他のコンピュータビジョンシステムと統合して、追加のタスクを実行することもできます。たとえば、欠陥検出システムを使用して欠陥のあるアイテムを特定し、物体追跡を使用して、適切に処理されるように追跡できます。
製造業における物体追跡のもう一つの重要な応用は、安全性に関連するものである。物体追跡システムは、潜在的に危険な製造環境における作業員のdetect track 使用することができる。危険な領域は、コンピューター・ビジョン・システムを使ってマークし、常時監視することができ、（追跡されている）作業員がそのような領域に近づいた場合、監督者に通知することができる。このような安全システムは、機器のdetect track 使用でき、盗難の可能性を防ぐことができる。
リアルタイム物体追跡は、セキュリティや監視システムで広く使われている。これらのシステムは、公共の場所、交通機関のハブ、ショッピングモールのような大規模な小売環境の 監視に使用することができます。大規模で混雑した場所では、このテクノロジーを使って不審者や群衆の行動をtrack し、シームレスな監視ソリューションを提供することができる。例えば、パンデミックの際には、物体追跡システムが混雑した場所をtrack し、人々が社会的距離を保っていることを確認するために使用された。
物体追跡は交通監視にも利用できる。物体追跡によって、車両の挙動をtrack ・分析することが可能になり、異常な行動や不審な行動をリアルタイムで発見し、事故や犯罪の防止に役立てることができる。その好例が速度推定システムだ。車両を detect track し、その速度を割り出すことができる。
さて、オブジェクト追跡アプリケーションのいくつかを探ったところで、Ultralytics YOLO11 モデルを使ってどのように試すことができるかを説明しよう。
開始するには、pip、conda、またはDockerを使用してUltralytics Python パッケージをインストールします。インストール中に何らかの問題に直面した場合は、「よくある問題ガイド」に役立つトラブルシューティングのヒントが記載されています。
パッケージのインストールが完了したら、以下のコードを実行してください。このコードでは、Ultralytics YOLO11 モデルをロードし、ビデオファイル内のオブジェクトをtrack するために使用する方法を説明します。このコードで使用されているモデルは "yolo11n.pt "です。n」はNanoを表し、YOLO11 モデルの最小のバリエーションです。他にも、スモール、ミディアム、ラージ、エクストララージから選択できます。
事前学習済みモデルの代わりに、カスタム学習させたモデルを使用することも可能です。カスタム学習では、特定の用途に合わせて、事前学習済みモデルをファインチューニングします。
前述したように、オブジェクト・トラッキングは、次のYOLO11 モデルでサポートされています：オブジェクト検出、ポーズ推定、インスタンス分割。トラッキングを含む特定のアプリケーションがある場合、アプリケーションに応じてこれらのモデルをカスタムトレーニングすることができます。モデルのカスタムトレーニングは、Ultralytics Python パッケージ、またはコード不要のプラットフォーム、Ultralytics HUBを使用して行うことができます。
Ultralytics YOLO11 11は、ビデオ内の物体を追跡するための優れたツールであり、自動運転車、農業、製造業、セキュリティなど、さまざまな分野で使用できる。リアルタイムで物体をdetect し、追跡することができるため、企業や産業が作業員や設備をtrack するのに役立ちます。このモデルは使いやすく、特定のニーズに合わせてカスタマイズできるため、コンピューター・ビジョンの機能をシームレスに導入したいと考えている人には良い選択肢となる。
詳細については、GitHubリポジトリにアクセスし、コミュニティにご参加ください。ソリューションページで、自動運転車や農業におけるAIアプリケーションをご覧ください。🚀
