物体追跡にUltralytics YOLO11を使用する方法
監視、農業、製造などのリアルタイムアプリケーションで、Ultralytics YOLO11を物体追跡に使用する方法を詳しくご紹介します。
製造施設の組立ライン上で部品の動きを監視・追跡し、品質管理を徹底するとともに、ワークフローの効率を向上させたいとします。通常、この作業には手動検査や基本的なセンサーを使用したアイテムの追跡が必要になりますが、時間がかかり、エラーも発生しやすくなります。しかし、コンピュータービジョンとオブジェクトトラッキングを使用すれば、このプロセスを自動化し、さらに改善できます。
オブジェクトトラッキングは、動画内のオブジェクトの検出、識別、追跡に役立つコンピュータービジョンタスクです。農場での動物モニタリングから、小売店舗でのセキュリティや監視まで、幅広い用途に利用できます。動画内の追跡対象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可視化されるため、ユーザーは動画フレーム内の正確な位置や検出箇所を確認できます。
Ultralyticsの年次ハイブリッドイベントであるYOLOビジョン2024（YV24）で発表されたUltralytics YOLO11は、オブジェクトトラッキングを含む幅広いビジョンAIタスクに対応できるコンピュータービジョンモデルです。この記事では、オブジェクトトラッキングの仕組みを詳しく説明し、実際の用途について紹介します。また、YOLO11を使ってオブジェクトトラッキングを試す方法も確認します。それでは始めましょう。
図1. 小売店舗でUltralytics YOLO11を使用してオブジェクトトラッキングを行う例です。
Ultralytics YOLO11によるAI搭載オブジェクトトラッキング#
オブジェクトトラッキングは、重要なコンピュータービジョン技術です。動画内のオブジェクトを識別し、時間の経過に沿って追跡できます。オブジェクトトラッキングは、別のコンピュータービジョンタスクであるオブジェクト検出と非常によく似ているように見えるかもしれません。両者の主な違いは、動画フレームの処理方法にあります。オブジェクト検出では各フレームを個別に処理し、過去または未来のフレームを考慮せずに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ではフレーム間の関連性を結び付け、同じオブジェクトを時間の経過に沿って追跡し、その動きを把握します。
オブジェクトトラッキングの仕組みを、より詳しく見ていきましょう。
- オブジェクト検出: プロセスは、動画の1つのフレーム内にあるオブジェクトを検出することから始まります。YOLO11を使用すると、複数のオブジェクトとその位置を正確に識別できます。
- 一意のIDを割り当てる: 検出された各オブジェクトに一意のIDを付与し、他のオブジェクトと区別して追跡しやすくします。
- 動きを追跡フレーム間で: トラッキングアルゴリズムが後続のフレーム間でオブジェクトを追跡し、一意のIDとの関連付けを維持しながら位置を更新します。
- オクルージョンに対応する: オブジェクトが一時的に視界から消えた場合（別のオブジェクトに遮られた場合など）でも、再び現れた時点で追跡を再開できるようにシステムが処理します。
- オブジェクト情報を更新する: オブジェクトが移動すると、時間の経過に伴う変化を反映するため、位置や属性（速度や方向など）が継続的に更新されます。
Ultralyticsは、BoT-SORTやByteTrackなどの高度なトラッキングアルゴリズムを活用し、リアルタイムのオブジェクトトラッキングに対応しています。また、セグメンテーションやポーズ推定に対応したYOLO11モデルともシームレスに連携できるため、幅広いトラッキングタスクに対応できる柔軟なツールです。
Ultralytics YOLO11によるオブジェクトトラッキングの用途#
Ultralytics YOLO11モデルは、その汎用性の高い機能によって、さまざまな業界で幅広い用途を実現します。YOLO11によるオブジェクトトラッキングのユースケースをいくつか詳しく見ていきましょう。
自動運転車の追跡におけるUltralytics YOLO11#
オブジェクトトラッキングは、自動運転車が安全かつ効率的に走行するために不可欠です。自動運転車は、停止、右左折、車線変更などのリアルタイムな判断を行うため、周囲の状況を常に把握する必要があります。オブジェクト検出によって、歩行者、自転車利用者、他の車両、交通標識など、周囲の重要な要素を識別できます。しかし、安全なナビゲーションには、これらのオブジェクトを一時点で検出するだけでは不十分です。
そこでオブジェクトトラッキングが役立ちます。複数のフレームにわたってオブジェクトの動きを追跡し、時間の経過に沿ってそのオブジェクトを追い続けることができます。例えば、自動運転車が歩行者の進行方向を予測したり、近くの車両の速度や方向を監視したり、信号が変わっ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、先回りして対応しながら、安全かつスムーズに走行できます。
図2. Ultralytics YOLO11を使用して車を検出・追跡できます。
Ultralytics YOLO11による動物のモニタリングにオブジェクトトラッキングを活用する#
牛などの動物を農場で追跡することは、効果的な管理に不可欠ですが、手間と時間のかかる作業です。センサーやタグを使用する従来の方法には、問題点もあります。これらのデバイスは、装着時に動物へストレスを与える可能性があるほか、外れたり破損したりしやすく、追跡が中断されることがあります。
コンピュータービジョンは、物理的なタグを使わずに動物を監視・追跡できる、農家向けの優れたソリューションを提供します。オブジェクトトラッキングにより、農家は動物の行動や健康状態に関する貴重な情報を得られます。例えば、動物の歩き方に影響する跛行などの状態を検出できます。オブジェクトトラッキングを使用すれば、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できます。
健康状態のモニタリングに加えて、コンピュータービジョンは、農家が社会的な相互作用、摂食習慣、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。こうした情報により、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と福祉を向上させられます。手作業を減らし、動物のストレスを最小限に抑えられるため、コンピュータービジョンベースの追跡は、現代の農業における実用的で効率的なツールです。
図3. Ultralytics YOLO11を使用して農家と牛を追跡する例です。
Ultralytics YOLO11を使用した製造業におけるオブジェクトトラッキング#
オブジェクトトラッキングは、製造分野で幅広く利用できます。例えば、オブジェクト検出・追跡システムで生産ラインを監視できます。コンベア上を移動する製品や原材料を簡単に追跡し、カウントできます。これらのシステムは、他のコンピューター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可能です。例えば、欠陥検出システムで欠陥のあるアイテムを識別し、オブジェクトトラッキングで追跡することで、適切に処理されたことを確認できます。
製造業におけるオブジェクトトラッキングのもう1つの重要な用途は、安全性に関するものです。オブジェクトトラッキングシステムを使用して、危険が潜む製造環境で作業員を検出・追跡できます。コンピュータービジョンシステムで危険区域を常にマーキング・監視し、（追跡対象の）作業員がそのような区域に近づいた場合は監督者に通知できます。このような安全システムは、機器の検出・追跡にも使用でき、盗難のリスクを防止します。
図4. YOLO11のオブジェクト検出を使用して作業員を検出する例です。
Ultralytics YOLO11によるオブジェクトトラッキングと監視#
リアルタイムのオブジェクトトラッキングは、セキュリティおよび監視システムで広く利用されています。これらのシステムは、公共の場所、交通ハブ、ショッピングモールなどの大規模な小売環境の監視に使用できます。広く混雑した場所では、この技術を使って不審者や群衆の行動を追跡し、シームレスな監視ソリューションを提供できます。例えば、パンデミック中には、混雑した場所を追跡し、人々がソーシャルディスタンスを維持していることを確認するために、オブジェクトトラッキングシステムが使用されました。
オブジェクトトラッキングは、交通監視にも利用できます。車両の挙動を追跡・分析し、リアルタイムで異常または不審な行動を発見することで、事故や犯罪の防止に役立ちます。代表的な例が速度推定システムです。車両を検出して追跡し、その速度を判定できます。
図5. オブジェクトトラッキングを使用して速度を推定できます。
Ultralytics YOLO11でオブジェクトトラッキングを試す#
ここまでオブジェクトトラッキングの用途をいくつか見てきたので、Ultralytics YOLO11モデルを使って試す方法を説明します。
始めるには、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。インストール中に問題が発生した場合は、一般的な問題のガイドで役立つトラブルシューティングのヒントを確認できます。
パッケージのインストールが完了したら、次のコードを実行します。このコードでは、Ultralytics YOLO11モデルを読み込み、動画ファイル内のオブジェクトを追跡する方法を示しています。コードで使用するモデルは「yolo11n.pt」です。「n」はNano、つまりYOLO11モデルの中で最も小さいバリアントを表します。small、medium、large、extra-largeなど、他のモデルバリアントも選択できます。
図6. Ultralytics YOLO11モデルを使用したオブジェクトトラッキングを紹介するコードスニペットです。
事前学習済みモデルの代わりに、カスタム学習済みモデルを使用することもできます。カスタムトレーニングでは、事前学習済みモデルをファインチューニングして、特定の用途に適合させます。
前述のとおり、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、インスタンスセグメンテーションです。追跡を含む特定の用途がある場合は、用途に応じてこれらのモデルのいずれかをカスタムトレーニングできます。Ultralytics PythonパッケージまたはノーコードプラットフォームであるUltralytics HUBを使用して、モデルをカスタムトレーニングできます。
主なポイント#
Ultralytics YOLO11は動画内のオブジェクト追跡に適した優れたツールであり、自動運転車、農業、製造、セキュリティなど、さまざまな分野で利用できます。リアルタイムでオブジェクトを検出・追跡できるため、企業や業界は作業員や設備を把握し続けられます。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機能の導入をスムーズに進めたい場合に適した選択肢です。
詳しくは、GitHubリポジトリをご覧いただき、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は、自動運転車や農業におけるAIアプリケーションをご覧いただけます。🚀
