15 de abril de 2025
Aprenda como funcionam os sistemas de rastreamento de visão computacional, explore modelos populares que suportam o rastreamento de objetos como o YOLO11 e descubra suas aplicações no mundo real.
Robôs que podem montar peças elétricas, sistemas que pegam carros em alta velocidade e soluções de varejo inteligentes que rastreiam como os clientes compram - todas essas inovações dependem da visão computacional. É um ramo da inteligência artificial (IA) que ajuda as máquinas a analisar e entender imagens e vídeos.
Por exemplo, um robô precisa reconhecer e seguir diferentes peças para montá-las corretamente. Da mesma forma, um sistema de tráfego pode usar a visão computacional para identificar carros, ler placas e descobrir quando alguém está em alta velocidade. Enquanto isso, nas lojas, a Visão de IA pode ajudar a rastrear o que os clientes estão olhando ou pegando e pode até mesmo ficar de olho no estoque.
Tais aplicações são alimentadas por modelos de visão computacional como o Ultralytics YOLO11, que suporta uma ampla gama de tarefas visuais. Muitas dessas tarefas se concentram em coletar insights de uma única imagem, mas uma tarefa particularmente interessante, o rastreamento de objetos, pode ser usada para seguir o movimento de objetos em uma série de imagens ou quadros de vídeo.
Neste guia, vamos dar uma olhada mais de perto em como funciona o rastreamento de objetos e explorar exemplos do mundo real de como ele é usado. Também discutiremos como os modelos de Visão de IA como o Ultralytics YOLO11 suportam o rastreamento de objetos. Vamos começar!
O rastreamento de objetos é uma tarefa de visão computacional usada para seguir o movimento de objetos em quadros de vídeo, ajudando os sistemas a monitorar e entender como as coisas mudam ao longo do tempo. Isso é muito semelhante a como os humanos podem naturalmente seguir uma pessoa ou objeto em movimento com seus olhos, como quando você está assistindo a uma partida de tênis e seus olhos rastreiam a bola enquanto ela se move para frente e para trás na quadra.
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 ao rastreamento de objetos é a detecção de objetos. Vamos explorar a diferença entre essas 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.
Ao combinar ambos, podemos construir sistemas de IA Vision poderosos, capazes de rastreamento em tempo real em ambientes dinâmicos. Por exemplo, um sistema de segurança automatizado pode detectar pessoas entrando em um espaço e rastrear continuamente seu movimento pelo frame.
Agora que abordamos a diferença entre detecção e rastreamento de objetos, vamos dar uma olhada em como os modelos Ultralytics YOLO, como o YOLO11, suportam o rastreamento de objetos em tempo real.
Embora os modelos YOLO não sejam algoritmos de rastreamento em si, eles desempenham um papel essencial na detecção de objetos em cada frame de vídeo. Uma vez que os objetos são detectados, os algoritmos de rastreamento são necessários para atribuir IDs exclusivos a eles, permitindo que o sistema siga seu movimento de frame a frame.
Para atender a essa necessidade, o pacote Ultralytics Python integra perfeitamente a detecção de objetos com algoritmos de rastreamento populares como BoT-SORT e ByteTrack. Essa integração permite que os usuários executem a detecção e o rastreamento juntos com configuração mínima.
Ao usar modelos YOLO para rastreamento de objetos, você pode escolher qual algoritmo de rastreamento aplicar com base nos requisitos do seu aplicativo. Por exemplo, o BoT-SORT é uma boa opção para seguir objetos que se movem de forma imprevisível, graças ao seu uso de previsão de movimento e aprendizado profundo. O ByteTrack, por outro lado, tem um desempenho especialmente bom em cenas lotadas, mantendo o rastreamento confiável mesmo quando os objetos estão borrados ou parcialmente ocultos.
O treinamento personalizado é o processo de ajuste fino de um modelo de detecção de objetos pré-treinado, como o YOLO11, em um conjunto de dados específico para que ele possa reconhecer objetos que não estão incluídos em conjuntos de dados padrão. Isso é especialmente importante quando seu sistema de rastreamento precisa seguir objetos personalizados ou incomuns.
Os sistemas de rastreamento dependem do modelo de detecção para primeiro reconhecer o objeto. Se um modelo YOLO não conseguir detectar um item específico, como um tipo específico de maquinário ou espécie de vida selvagem, o algoritmo de rastreamento não conseguirá segui-lo.
É por isso que o treinamento personalizado é essencial: ele garante que o modelo de detecção possa identificar com precisão os objetos que você deseja rastrear.
Também é importante ter em mente que apenas o modelo de detecção é ajustado durante este processo. Os algoritmos de rastreamento, como BoT-SORT ou ByteTrack, não são treinados de forma personalizada - eles simplesmente usam a saída do modelo YOLO para seguir os objetos detectados através dos frames.
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.
Usando um modelo como o Ultralytics YOLO11, os objetos podem ser detectados e rastreados em frames de vídeo. Ao analisar a distância que um objeto percorre durante um período de tempo específico, o sistema pode estimar sua velocidade.
Os processos de manufatura podem ser rápidos e altamente complexos, dificultando o rastreamento manual de cada item produzido. O rastreamento de objetos oferece uma boa solução para automatizar o monitoramento de produtos à medida que avançam em cada etapa da produção. Ele pode ajudar as fábricas a manter altos níveis de precisão e eficiência sem diminuir a velocidade.
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 Visão de IA como o YOLO11 e algoritmos de rastreamento como BoT-SORT e ByteTrack, o rastreamento de objetos se tornou mais rápido, inteligente e acessível em diferentes setores. À medida que a tecnologia de rastreamento de objetos evolui, ela está ajudando os sistemas a se tornarem mais inteligentes, eficientes e responsivos, um frame 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.
