オブジェクトトラッキングにUltralytics YOLO11を使用する方法

製造施設のアセンブリラインにおけるコンポーネントの移動を監視・追跡し、品質管理の確保とワークフロー効率の向上を図りたいとします。通常、これには手動検査や基本的なセンサーによるアイテム追跡が必要ですが、時間のかかる作業であり、エラーも発生しやすくなります。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活用することで、このプロセスを自動化し強化することができます。

Object tracking is a computer vision task that helps detect, identify, and track objects in a video. It can be used for a wide variety of applications, from animal monitoring on farms to security and surveillance in retail stores. The objects being tracked in a video are usually visualized using bounding boxes to help the user see exactly where they are located and detected within the video frame.

Launched during Ultralytics’ annual hybrid event, YOLO Vision 2024 (YV24), Ultralytics YOLO11 is a computer vision model that can handle a wide variety of vision AI tasks, including object tracking. In this article, we’ll explore how object tracking works and discuss real-world applications. We’ll also take a look at how you can try out object tracking using YOLO11. Let’s get started!

図1. 小売店舗でのYOLO11によるオブジェクトトラッキングの使用例。

Link to this sectionYOLO11によるAI駆動型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不可欠なコンピュータビジョン技術です。これにより、ビデオ内のオブジェクトを時間経過とともに識別および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、別のコンピュータビジョン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るかもしれません。両者の主な違いは、ビデオフレームをどのように処理するかという点にあります。オブジェクト検出は各フレームを個別に見て、以前や将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はフレーム間を関連付け、同じオブジェクトを時間経過にわたって追いかけ、その動きを追跡し続けます。

オブジェクトトラッキングがどのように機能するか、詳細な解説は以下の通りです。

• オブジェクト検出: プロセスは、ビデオの単一フレーム内でオブジェクトを検出することから始まります。YOLO11を使用して、複数のオブジェクトとその位置を正確に特定できます。
• 一意のIDの割り当て: 検出された各オブジェクトには、他と区別し追跡しやすくするために、一意のIDが与えられます。
• フレーム間での動きの追跡: トラッキングアルゴリズムが後続のフレームにわたってオブジェクトを追いかけ、そのIDとの関連付けを維持しながら位置を更新します。
• 遮蔽への対応: オブジェクトが一時的に視界から消えた場合（例：他のオブジェクトによってブロックされた）、システムはオブジェクトが再び現れたときにトラッキングが再開されるようにします。
• オブジェクト情報の更新: オブジェクトが移動するにつれて、その位置や属性（速度や方向など）は、経時的な変化を反映するように継続的に更新されます。

Ultralyticsは、BoT-SORTやByteTrackといった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ています。また、セグメンテーションや姿勢推定のYOLO11モデルともシームレスに連携し、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。

Link to this sectionYOLO11オブジェクトトラッキングのアプリケーション#

Ultralytics YOLO11モデルの多彩な機能は、多くの業界で幅広い応用を可能にします。YOLO11オブジェクトトラッキングのユースケースを詳しく見ていきましょう。

Link to this section自律走行車両追跡のための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動作するために極めて重要です。これらの車両は、停止、旋回、車線変更といったリアルタイムの判断を行うために、周囲の状況を常に理解する必要があります。オブジェクト検出により、車は歩行者、自転車利用者、他の車両、交通標識など、環境内の重要な要素を特定できます。しかし、単一の瞬間にこれらのオブジェクトを検出するだけでは、安全なナビゲーションには十分ではありません。

そこでオブジェクトトラッキングが役立ちます。これにより、車はこれらのオブジェクトを時間経過にわたって追いかけ、複数のフレームにわたってその動きを追跡できます。例えば、自律走行車が歩行者の進行方向を予測したり、付近の車両の速度と方向を監視したり、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。検出とトラッキング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、先を見越して対応し、安全かつスムーズに走行できるようになります。

図2. YOLO11は車の検出と追跡に使用できます。

Link to this sectionYOLO11オブジェクトトラッキングを使用した動物のモニタリング#

農場での牛などの動物の追跡は効率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ことがあります。センサーやタグを使用するような従来の方式には、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たり、外れたり破損したりしやすいため、追跡が中断される原因となります。

コンピュータビジョンは、物理的なタグなしで動物を監視および追跡するための、農家向けにより良い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に関する貴重な洞察を得ることができます。例えば、動物の歩き方に影響を与える跛行などの状態を検出するのに役立ちます。オブジェクトトラッキングを使用することで、農家は動作のわずかな変化を見つけ、健康上の問題を早期に対処できます。

健康モニタリングを超えて、コンピュータビジョンは、社会的な相互作用、摂食習慣、移動パターンなど、その他の行動を農家が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、動物の全体的な幸福を促進します。肉体労働を減らし、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トラッキングは現代の農業にとって実用的で効率的なツールとなります。

図3. YOLO11を使用した農家と牛の追跡。

Link to this sectionYOLO11を使用した製造業におけるオブジェクトトラッキング#

Object tracking has many use cases in the manufacturing sector. For example, object detection and tracking systems can monitor production lines. Products or raw materials can be easily tracked and counted as they move on a conveyor belt. These systems can also be integrated with other computer vision systems to perform additional tasks. For instance, an item with a defect can be identified using a defect detection system and tracked using object tracking to ensure it’s properly taken care of.

製造業におけるオブジェクトトラッキングのもう一つの重要なアプリケーションは、安全性に関連しています。オブジェクトトラッキングシステムは、危険な可能性のある製造環境で作業員を検出および追跡するために使用できます。危険区域はコンピュータビジョンシステムを使用して常にマークおよび監視でき、作業員（追跡対象）がそのような区域に近づいた場合に監督者に通知できます。このような安全システムは、機器を検出および追跡して盗難の可能性を防ぐためにも使用できます。

図4。作業員を検出するためにYOLO11オブジェクト検出が使用されている例。

Link to this sectionYOLO11を使用した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使用されています。これらのシステムは、公共の場所、交通ハブ、そしてショッピングモールのような大規模な小売環境を監視するために使用できます。大規模で混雑したエリアでは、この技術を使用して不審な人物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、パンデミックの間、オブジェクトトラッキングシステムは混雑したエリアを追跡し、人々がソーシャルディスタンスを保っていることを確認するために使用されました。

オブジェクトトラッキングは交通監視でも使用できます。オブジェクトトラッキングにより、車両の挙動を追跡・分析することが可能になり、異常や不審な動作をリアルタイムで見つけて事故や犯罪を防ぐのに役立ちます。良い例として速度推定システムがあります。これらは車両を検出および追跡して速度を決定できます。

図5。オブジェクトトラッキングを使用して速度推定を行うことができます。

Link to this sectionUltralytics YOLO11でオブジェクトトラッキングを試す#

オブジェクトトラッキングのアプリケーションをいくつか探りましたので、Ultralytics YOLO11モデルを使用してそれを試す方法について説明します。

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。インストール中に問題が発生した場合は、私たちの共通の問題ガイドが役立つトラブルシューティングのヒントを提供します。

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ます。これは、Ultralytics YOLO11モデルをロードし、それを使用してビデオファイル内のオブジェクトを追跡する方法の概要です。コードで使用されるモデルは「yolo11n.pt」です。「n」はNanoの略で、YOLO11モデルの最小のバリアントです。他にも、スモール、ミディアム、ラージ、エクストララージなどのモデルバリアントから選択できます。

図6. YOLO11モデルを使用したオブジェクトトラッキングを示すコードスニペット。

You can also choose to use a custom-trained model instead of a pre-trained model. Custom training involves fine-tuning a pre-trained model to fit your specific application.

前述の通り、オブジェクトトラッキングは、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といったYOLO11モデルでサポートされています。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のいずれかをカスタム学習させることができます。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、モデルをカスタム学習させることが可能です。

Link to this section重要なポイント#

Ultralytics YOLO11は、ビデオ内のオブジェクト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、セキュリティなど、多くの異なる分野で使用できます。リアルタイムでオブジェクトを検出および追跡し、企業や業界が作業員や機器を追跡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、コンピュータビジョン機能をシームレスに取り入れたいと考えているすべての人にとって良い選択肢です。

詳細については、GitHubリポジトリをご覧になり、私たちのコミュニティにご参加ください。自動運転車や農業におけるAIの応用については、ソリューションページをご覧ください。🚀