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

manufacturing施設内の組立ラインにおける部品の動きを監視および追跡して、quality controlを確保し、ワークフローの効率を向上させたいとします。通常、これには手動での検査や、アイテムを追跡するための基本的なセンサーの使用が含まれますが、これには時間がかかり、エラーが発生しやすくなります。しかし、computer visionとobject trackingを使用することで、このプロセスを自動化および強化できます。

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検出し、識別し、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、小売店舗でのセキュリティおよび監視まで、多岐にわたるアプリケーションで使用できます。ビデオ内で追跡されているオブジェクトは通常、ユーザーがビデオフレーム内の正確な位置と検出箇所を把握できるように、バウンディングボックスを使用して視覚化されます。

Ultralytics’ annual hybrid event、YOLO Vision 2024 (YV24)で発表されたUltralytics YOLO11は、オブジェクト追跡を含む幅広いvision AIタスクを処理できるcomputer vision modelです。この記事では、object trackingの仕組みを探り、実際の応用例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！

図 1. 小売店舗でのオブジェクトトラッキングにUltralytics YOLO11を使用している例。

Ultralytics YOLO11を使用したAI駆動型オブジェクトトラッキング#

Object tracking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特定し、経時的に追跡することが可能になります。オブジェクト追跡は、別のコンピュータビジョンタスクであるobject detectionに非常によく似ているように見えることがあります。両者の主な違いは、ビデオフレームの処理方法にあります。Object detectionは、各フレームを個別に確認し、過去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して分類します。一方、Object trackingはフレーム間の点を結び、同じオブジェクトを時間の経過とともに追跡し、その動きを記録し続けます。

以下は、object trackingの仕組みについてのより詳細な解説です。

• Object detection: プロセスは、ビデオの単一フレーム内の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。
• Track movement across frames: 追跡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跡し、一意のIDとの関連性を維持しながらその位置を更新します。
• 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などの高度な追跡アルゴリズムを活用して、リアルタイムのオブジェクト追跡をサポートしています。また、segmentationおよびpose estimation YOLO11 modelsともシームレスに連携するため、幅広い追跡タスクに対応する柔軟なツールとなっています。

Ultralytics YOLO11オブジェクトトラッキングのアプリケーション#

Ultralytics YOLO11 modelの多用途な機能により、多くの産業で幅広い用途の可能性が開かれます。YOLO11のオブジェクト追跡のユースケースをさらに詳しく見ていきましょう。

自動運転車トラッキングのためのUltralytics YOLO11#

オブジェクト追跡は、self-driving車が安全かつ効率的に運行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決定を下すために、周囲の状況を常に把握する必要があります。Object detectionにより、車両は歩行者、cyclists、その他の車両、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、単一の瞬間で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追跡の出番となります。これにより、車両は時間の経過とともにこれらのオブジェクトを追跡し、複数のフレームにわたる動きを追跡できます。たとえば、autonomous vehiclesが歩行者の向かう先を予測したり、近くの車両の速度や方向を監視したり、信号機がまだ変わっていないことを認識したりするのに役立ちます。detection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走行できます。

図 2: Ultralytics YOLO11 を使用して車両を検出および追跡できます。

Ultralytics YOLO11 のオブジェクト追跡を使用した動物のモニタリング#

牛などの農場のTracking animals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ことがあります。センサーやタグの使用などの従来の方法には、しばしば欠点があります。これらのデバイスは、装着時に動物にストレスを与える可能性があり、外れたり破損したりしやすいため、追跡が妨げられます。

Computer vision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より良いsolution for farmersを提供します。オブジェクト追跡により、farmers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。たとえば、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。オブジェクト追跡を使用することで、farmersは動きのわずかな変化を見つけ出し、健康上の問題に対処できます。

健康監視を超えて、computer visionは、社会的相互作用、食習慣、移動パターンなどの他の行動をfarmersが理解するのにも役立ちます。これらの洞察により、群れの管理が改善され、給餌スケジュールが最適化され、動物の全体的な健康が促進されます。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、computer vision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となります。

図 3: Ultralytics YOLO11 を使用して農家と牛を追跡する様子。

Ultralytics YOLO11 を使用した製造業におけるオブジェクト追跡#

オブジェクト追跡には、manufacturing部門において多くのユースケースがあります。たとえば、オブジェクト検出および追跡システムで生産ラインを監視できます。製品や原材料は、コンベアベルト上を移動する際に簡単に追跡され、countedされます。これらのシステムは、他のcomputer visionシステムとintegratedして、追加のタスクを実行することもできます。たとえば、欠陥のあるアイテムは、defect detectionシステムを使用して識別され、オブジェクト追跡を使用して適切に処理されるように追跡されます。

製造業におけるオブジェクト追跡のもう一つの重要な応用は、safetyに関連しています。オブジェクト追跡システムを使用して、潜在的に危険な製造環境で作業員を検出し、追跡することができます。computer visionシステムを使用して危険な領域に印を付けて常に監視し、追跡対象の作業員がそのようなエリアに近づいた場合に監督者に通知することができます。このようなsafety systemsは、機器を検出し、追跡して、theftの可能性を防ぐためにも使用できます。

Fig 4. 作業員を検出するために使用されるYOLO11オブジェクト検出の例。

Ultralytics YOLO11 を使用したオブジェクト追跡と監視#

リアルタイムのオブジェクト追跡は、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、monitor public places、transportation hubs、およびショッピングモールなどの大規模なretail environmentsで使用できます。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個人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、パンデミックの間、オブジェクト追跡システムを使用して混雑したエリアを追跡し、人々が社会的距離を維持していることを確認しました。

オブジェクト追跡は、traffic surveillanceでも使用できます。オブジェクト追跡により、車両の挙動を追跡および分析し、異常または不審な行動をリアルタイムで発見して、事故や犯罪の予防に役立てることができます。良い例がspeed estimationシステムです。車両を検出し、track a vehicleして速度を判断できます。

Fig 5. 速度推定は、オブジェクト追跡を使用して行うことができます。

Ultralytics YOLO11でオブジェクトトラッキングを試す#

オブジェクト追跡のいくつかのアプリケーションについて説明したので、Ultralytics YOLO11 modelを使用してそれを試す方法について説明します。

get startedするには、pip、conda、またはDockerを使用してUltralytics Python package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、Common Issues Guide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installedしたら、次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を示しています。コードで使用されているモデルは「yolo11n.pt」です。「n」はNano（YOLO11モデルの中で最小のバリエーション）を表します。他にも、small、medium、large、extra-largeなど、選択できるモデルのバリエーションがあります。

図 6: Ultralytics YOLO11 モデルを使用したオブジェクト追跡を紹介するコードスニペット。

事前トレーニング済みモデルの代わりに、カスタムトレーニング済みモデルを使用することも選択できます。カスタムトレーニングには、specific applicationに合わせて事前トレーニング済みモデルをfine-tuningすることが含まれます。

前述のように、オブジェクト検出、pose estimation、およびinstance segmentationのYOLO11モデルでオブジェクト追跡がサポートされています。追跡を含む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のいずれかをカスタムトレーニングできます。Ultralytics Python packageまたはno-code platform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。

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、自動運転車や農業におけるAIの応用をご覧ください。🚀