15 de abril de 2025
Saiba como funcionam os sistemas de seguimento de visão por computador, explore modelos populares que suportam o seguimento de objectos, como o YOLO11, e descubra as suas aplicações no mundo real.
Robôs capazes de montar peças eléctricas, sistemas que capturam carros em excesso de velocidade e soluções de retalho inteligentes que track a forma como os clientes fazem compras - todas estas inovações dependem da visão por computador. Trata-se de um ramo da inteligência artificial (IA) que ajuda as máquinas a analisar e a compreender imagens e vídeos.
Por exemplo, um robô precisa de reconhecer e seguir diferentes peças para as montar corretamente. Da mesma forma, um sistema de tráfego pode utilizar a visão por computador para detetar carros, ler matrículas e perceber quando alguém está a acelerar. Entretanto, nas lojas, a IA de visão pode ajudar a track o que os clientes estão a ver ou a apanhar e pode até vigiar o inventário.
Estas aplicações são alimentadas por modelos de visão computacional como o Ultralytics YOLO11que suportam uma vasta gama de tarefas visuais. Muitas destas tarefas centram-se na recolha de informações a partir de uma única imagem, mas uma tarefa particularmente interessante, o seguimento de objectos, pode ser utilizada para seguir o movimento de objectos através de uma série de imagens ou fotogramas de vídeo.
Neste guia, veremos mais detalhadamente como funciona o rastreio de objectos e exploraremos exemplos reais de como é utilizado. Também discutiremos como os modelos de IA de visão, como o Ultralytics YOLO11 , suportam o rastreio de objectos. Vamos começar!
O seguimento de objectos é uma tarefa de visão por computador utilizada para seguir o movimento de objectos através de fotogramas de vídeo, ajudando os sistemas a monitorizar e a compreender como as coisas mudam ao longo do tempo. Isto é muito semelhante à forma como os humanos podem seguir naturalmente uma pessoa ou objeto em movimento com os olhos, como quando estamos a assistir a um jogo de ténis e os nossos olhos track a bola à medida que esta se move para trás e para a frente no campo.
Da mesma forma, o rastreamento de objetos envolve o uso de câmeras e IA para seguir o movimento da bola em tempo real. Essa tecnologia pode dar aos espectadores em casa uma melhor compreensão do fluxo do jogo, especialmente por meio de análises como velocidade, trajetória e posicionamento do jogador.
Embora esse tipo de rastreamento visual possa parecer fácil para os humanos, quando se trata de visão computacional, envolve uma série de etapas alimentadas por modelos de IA Vision. Aqui está uma análise simples de como funciona o rastreamento de objetos:
Outra tarefa de visão computacional suportada pelo YOLO11 que está intimamente relacionada com o seguimento de objectos é a deteção de objectos. Vamos explorar a diferença entre estas duas tarefas.
A detecção de objetos envolve identificar e localizar objetos de interesse dentro de uma única imagem ou frame de vídeo. Por exemplo, um carro autônomo usa a detecção de objetos para reconhecer uma placa de pare ou um pedestre em um único frame capturado por câmeras a bordo. Ele responde à pergunta: “O que está nesta imagem e onde está?” No entanto, não fornece nenhuma informação sobre para onde o objeto irá em seguida.
O rastreamento de objetos se baseia na detecção de objetos, adicionando uma compreensão do movimento ao longo do tempo. A principal diferença entre os dois é como eles lidam com o tempo e o movimento. A detecção de objetos trata cada frame como um snapshot independente, enquanto o rastreamento de objetos conecta os pontos entre os frames, usando dados passados para prever a posição futura de um objeto.
Combinando ambos, podemos construir poderosos sistemas de IA de visão capazes de rastrear em tempo real ambientes dinâmicos. Por exemplo, um sistema de segurança automatizado pode detect pessoas que entram num espaço e track continuamente o seu movimento através do quadro.
Agora que já abordámos a diferença entre deteção e seguimento de objectos, vejamos como os modelos Ultralytics YOLO , como YOLO11, suportam o seguimento de objectos em tempo real.
Embora os modelos YOLO não sejam algoritmos de seguimento propriamente ditos, desempenham um papel essencial ao detetar objectos em cada fotograma de vídeo. Assim que os objectos são detectados, são necessários algoritmos de seguimento para lhes atribuir IDs únicos, permitindo ao sistema seguir o seu movimento de fotograma para fotograma.
Para responder a esta necessidade, o pacoteUltralytics Python integra perfeitamente a deteção de objectos com algoritmos de seguimento populares como o BoT-SORT e o ByteTrack. Esta integração permite aos utilizadores executar a deteção e o seguimento em conjunto com uma configuração mínima.
Ao utilizar modelos YOLO para o seguimento de objectos, pode escolher o algoritmo de seguimento a aplicar com base nos requisitos da sua aplicação. Por exemplo, o BoT-SORT é uma boa opção para seguir objectos que se movem de forma imprevisível, graças à sua utilização de previsão de movimento e aprendizagem profunda. O ByteTrack, por outro lado, tem um desempenho especialmente bom em cenas com muita gente, mantendo um seguimento fiável mesmo quando os objectos estão desfocados ou parcialmente ocultos.
O treinamento personalizado é o processo de ajuste fino de um modelo de deteção de objetos pré-treinado, como o YOLO11, em um conjunto de dados específico para que ele possa reconhecer objetos que não estão incluídos nos conjuntos de dados padrão. Isto é especialmente importante quando o seu sistema de localização precisa de seguir objectos personalizados ou pouco comuns.
Os sistemas de seguimento dependem do modelo de deteção para reconhecer primeiro o objeto. Se um modelo YOLO não conseguir detect um determinado objeto, como um tipo específico de maquinaria ou uma espécie de vida selvagem, o algoritmo de seguimento não será capaz de o seguir.
É por isso que a formação personalizada é essencial: garante que o modelo de deteção consegue identificar com precisão os objectos que pretende track.
Também é importante ter em mente que apenas o modelo de deteção é ajustado durante este processo. Os algoritmos de seguimento, como o BoT-SORT ou o ByteTrack, não são treinados de forma personalizada - utilizam simplesmente a saída do modelo YOLO para seguir os objectos detectados ao longo dos fotogramas.
Agora que temos uma melhor compreensão do que é o rastreamento de objetos e como ele funciona, vamos explorar algumas aplicações do mundo real onde essa tecnologia está causando impacto.
Sistemas de estimativa de velocidade habilitados por visão computacional dependem de tarefas como detecção e rastreamento de objetos. Esses sistemas são projetados para calcular a velocidade com que um objeto está se movendo, seja um veículo, um ciclista ou até mesmo uma pessoa. Esta informação é crucial para uma variedade de aplicações, desde a gestão de tráfego até ao monitoramento de segurança e automação industrial.
Utilizando um modelo como o Ultralytics YOLO11, os objectos podem ser detectados e seguidos através de fotogramas de vídeo. Ao analisar a distância a que um objeto se move durante um período de tempo específico, o sistema pode estimar a sua velocidade.
Os processos de fabrico podem ser rápidos e altamente complexos, o que dificulta o track manual de cada item produzido. O seguimento de objectos oferece uma boa solução para automatizar a monitorização dos produtos à medida que passam por cada fase da produção. Pode ajudar as fábricas a manter elevados níveis de precisão e eficiência sem abrandar o ritmo.
Desde a contagem de produtos em uma esteira transportadora até a identificação de defeitos ou a verificação da montagem adequada, o rastreamento de objetos traz visibilidade e controle para tarefas que, de outra forma, seriam demoradas ou propensas a erros. Essa tecnologia é especialmente impactante em indústrias de alto volume, como processamento de alimentos, eletrônicos e embalagens, onde velocidade e precisão são críticas.
Inúmeros clientes entram e saem de lojas de varejo todos os dias, e entender seu comportamento é fundamental para melhorar tanto a experiência do cliente quanto o desempenho dos negócios. O rastreamento de objetos permite que os varejistas monitorem o tráfego de pedestres, meçam o tempo de permanência e analisem os padrões de movimento - tudo sem a necessidade de métodos invasivos ou manuais.
Ao rastrear indivíduos enquanto entram, saem e se movem pela loja, as empresas podem obter insights sobre horários de pico, áreas populares e até mesmo o tamanho das filas. Esses insights podem informar decisões sobre pessoal, layout da loja e alocação de estoque, levando, em última análise, a operações mais eficientes e aumento das vendas.
De lojas de varejo a fábricas, o rastreamento de objetos está sendo usado em todos os tipos de indústrias para melhorar fatores como eficiência, segurança e a experiência geral. Aqui estão alguns dos principais benefícios que o rastreamento de objetos pode trazer para vários setores:
Embora esses benefícios destaquem como o rastreamento de objetos impacta positivamente diferentes casos de uso, também é importante considerar os desafios envolvidos em sua implementação. Vamos dar uma olhada mais de perto em algumas limitações do rastreamento de objetos:
O rastreamento de objetos é uma tarefa de visão computacional que permite que as máquinas acompanhem o movimento de objetos ao longo do tempo. É usado em uma ampla gama de cenários do mundo real - desde estimar a velocidade de veículos e contar produtos em uma linha de montagem até analisar os movimentos de jogadores em esportes.
Com modelos de IA de visão como o YOLO11 e algoritmos de seguimento como o BoT-SORT e o ByteTrack, o seguimento de objectos tornou-se mais rápido, mais inteligente e mais acessível em diferentes indústrias. À medida que a tecnologia de rastreio de objectos evolui, está a ajudar os sistemas a tornarem-se mais inteligentes, eficientes e reactivos, um fotograma de cada vez.
Quer saber mais sobre visão computacional e IA? Explore nosso repositório GitHub, conecte-se com nossa comunidade e confira nossas opções de licenciamento para dar o pontapé inicial no seu projeto de visão computacional. Se você está explorando inovações como IA na manufatura e visão computacional na indústria automotiva, visite nossas páginas de soluções para descobrir mais.
