Ultralytics YOLO11を使用して、監視、農業、製造などのリアルタイムアプリケーションでオブジェクト追跡を行う方法について詳しく見ていきましょう。
YOLO Vision 2025にご期待ください！
2025年9月25日
10:00 — 18:00（英国夏時間）
ハイブリッドイベント
Ultralytics YOLO11を使用して、監視、農業、製造などのリアルタイムアプリケーションでオブジェクト追跡を行う方法について詳しく見ていきましょう。
例えば、製造施設内の組立ラインで部品の動きを監視および追跡し、品質管理を徹底し、ワークフローの効率を改善したいとしましょう。通常、これには手作業による検査や、アイテムを追跡するための基本的なセンサーの使用が必要となり、時間がかかり、エラーが発生しやすくなります。しかし、コンピュータビジョンと物体追跡を使用することで、このプロセスを自動化し、強化することができます。
物体追跡は、ビデオ内の物体を検出、識別、および追跡するのに役立つコンピュータビジョンタスクです。農場での動物モニタリングから、小売店でのセキュリティおよび監視まで、幅広いアプリケーションに使用できます。ビデオで追跡されている物体は、通常、ユーザーがビデオフレーム内でどこに位置し、検出されているかを正確に確認できるように、バウンディングボックスを使用して視覚化されます。
Ultralyticsの年次ハイブリッドイベントであるYOLO Vision 2024（YV24）で発表されたUltralytics YOLO11は、オブジェクト追跡を含む、さまざまな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、オブジェクト追跡の仕組みと、実際のアプリケーションについて説明します。また、YOLO11を使用してオブジェクト追跡を試す方法についても見ていきます。それでは始めましょう。
物体追跡は、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識別し、時間の経過とともに追跡できます。物体追跡は、別のコンピュータビジョンタスクである物体検出と非常によく似ているように見える場合があります。2つの主な違いは、ビデオフレームの処理方法にあります。物体検出は、各フレームを個別に見て、以前または将来のフレームを考慮せずにオブジェクトを識別および分類します。一方、物体追跡は、フレーム間のドットを接続し、同じオブジェクトを時間の経過とともに追跡し、それらの動きを追跡します。
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は、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、リアルタイムの物体追跡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 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できる柔軟なツールとなっています。
Ultralytics YOLO11モデルの汎用性の高い機能は、多くの業界で幅広い応用を可能にします。YOLO11のオブジェクト追跡のユースケースをいくつか詳しく見ていきましょう。
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、物理的なタグを必要とせずに動物を監視および追跡するための、より優れた農家向けのソリューションを提供します。物体追跡は、農家に動物の行動と健康に関する貴重な洞察を提供できます。たとえば、動物の歩き方に影響を与える跛行のような状態を検出するのに役立ちます。物体追跡を使用することで、農家は動きのわずかな変化を特定し、健康上の問題を早期に対処できます。
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、安全に関わるものです。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検出と追跡に使用できます。危険な領域は、コンピュータビジョンシステムを使用してマークされ、常に監視することができ、作業員（追跡対象）がそのような領域に近づくと、監督者に通知することができます。このような安全システムは、機器の検出と追跡にも使用でき、盗難の可能性を防ぎます。
リアルタイム物体追跡は、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、交通拠点、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。人が多く混雑する場所では、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。たとえば、パンデミック時には、混雑エリアを追跡し、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、物体追跡システムが使用されました。
物体追跡は、交通監視にも使用できます。物体追跡により、車両の挙動を追跡および分析し、リアルタイムで異常または疑わしい行動を特定して、事故や犯罪の防止に役立てることができます。良い例としては、速度推定システムがあります。これらは、車両を検出して追跡し、その速度を判断できます。
オブジェクト追跡アプリケーションについていくつか説明したところで、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。
まず、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てください。インストール中に問題が発生した場合は、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。
パッケージを正常にインストールしたら、次のコードを実行します。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を示します。コードで使用されているモデルは「yolo11n.pt」です。「n」は、YOLO11モデルの最小バリアントであるNanoを表します。スモール、ミディアム、ラージ、エクストララージなど、他のモデルバリアントも選択できます。
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。
前述のように、オブジェクト追跡は、オブジェクト検出、姿勢推定、およびインスタンスセグメンテーションの次のYOLO11モデルでサポートされています。追跡に関する特定のアプリケーションがある場合は、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。
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、さまざまな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して追跡できるため、企業や業界は従業員と機器を追跡できます。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の機能をシームレスに採用したいと考えている人にとって最適なオプションです。
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。🚀
.webp)