Um guia sobre como rastrear objetos em movimento em vídeos com modelos Ultralytics YOLO

Robôs que conseguem montar peças elétricas, sistemas que apanham carros em excesso de velocidade e soluções de retalho inteligente que acompanham a forma como os clientes fazem compras - todas estas inovações dependem da computer vision. É um ramo da inteligência artificial (AI) que ajuda as máquinas a analisar e compreender imagens e vídeos.

Por exemplo, um robô precisa reconhecer e seguir diferentes peças para montá-las corretamente. Da mesma forma, um sistema de trânsito pode usar visão computacional para localizar carros, ler placas e calcular quando alguém está acima do limite de velocidade. Enquanto isso, em lojas, a visão computacional pode ajudar a rastrear o que os clientes estão olhando ou pegando, podendo até monitorar o inventário.

Essas aplicações são potenciadas por modelos de visão por computador como o Ultralytics YOLO11, que suportam uma ampla gama de tarefas visuais. Muitas destas tarefas concentram-se na recolha de informações a partir de uma única imagem, mas uma tarefa particularmente interessante, a object tracking, pode ser utilizada para seguir o movimento de objetos através de uma série de imagens ou fotogramas de vídeo.

Fig 1. Um exemplo de deteção e seguimento de carros.

Neste guia, veremos mais de perto como o rastreamento de objetos funciona e exploraremos exemplos reais de como ele é usado. Também discutiremos como modelos de visão computacional como o Ultralytics YOLO11 suportam o rastreamento de objetos. Vamos começar!

Um olhar mais atento sobre sistemas de rastreamento por visão computacional#

O seguimento de objetos é uma computer vision task utilizada para seguir o movimento de objetos através de fotogramas de vídeo, ajudando os sistemas a monitorizar e compreender como as coisas mudam ao longo do tempo. Isto é muito semelhante à forma como os humanos conseguem seguir naturalmente uma pessoa ou objeto em movimento com os olhos, tal como quando estás a ver um jogo de ténis e os teus olhos seguem a bola à medida que esta se desloca para a frente e para trás 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 oferecer aos espectadores em casa uma compreensão melhor do fluxo do jogo, especialmente por meio de análises como velocidade, trajetória e posicionamento dos jogadores.

Embora esse tipo de rastreamento visual possa parecer sem esforço para os humanos, quando se trata de visão de máquina, ele envolve uma série de etapas impulsionadas por modelos de visão computacional. Aqui está uma explicação simples de como o rastreamento de objetos funciona:

• Captura de vídeo: Câmeras gravam imagens de vídeo, capturando como os objetos se movem através de uma cena ao longo do tempo.
• Detetar objetos: Os computer vision models potenciados por IA, como o YOLO11, podem analisar cada fotograma para identificar e localizar objetos específicos, tais como pessoas, veículos ou produtos.
• Atribuição de identidade: Uma vez detectado um objeto, algoritmos de rastreamento atribuem a ele um ID exclusivo para segui-lo através de múltiplos quadros, garantindo que o sistema saiba que é o mesmo objeto, mesmo enquanto ele se move.
• Monitoramento de movimento: O sistema rastreia o movimento ao longo do tempo, e esses dados podem ser usados para coletar informações como velocidade, direção e interações com outros objetos.
• Geração de insights: Essas informações podem ser usadas em tempo real para fornecer análises, auxiliar na tomada de decisões ou alimentar sobreposições visuais, dependendo do caso de uso específico.

Comparando detecção e rastreamento de objetos com YOLO#

Outra tarefa de visão computacional suportada pelo Ultralytics YOLO11 que está intimamente relacionada ao rastreamento de objetos é a object detection. 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 quadro de vídeo. Por exemplo, um carro autônomo usa detecção de objetos para reconhecer uma placa de pare ou um pedestre em um único quadro capturado por câmeras a bordo. Ela responde à pergunta: “O que está nesta imagem e onde está?” No entanto, ela não fornece nenhuma informação sobre para onde o objeto vai a seguir.

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 tempo e movimento. A detecção de objetos trata cada quadro como um instantâneo independente, enquanto o rastreamento de objetos conecta os pontos entre os quadros, usando dados passados para prever a posição futura de um objeto.

Ao combinar ambas, podemos construir sistemas de IA de visão poderosos capazes de realizar seguimento em tempo real em ambientes dinâmicos. Por exemplo, um sistema de segurança automatizado pode detetar pessoas a entrar num espaço e track their movement continuamente ao longo do fotograma.

Rastreamento em tempo real usando modelos Ultralytics YOLO#

Agora que cobrimos 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 por si só, eles desempenham um papel essencial ao detectar objetos em cada quadro de vídeo. Uma vez que os objetos são detectados, algoritmos de rastreamento são necessários para atribuir IDs exclusivos a eles, permitindo que o sistema siga seu movimento de quadro a quadro.

Para responder a esta necessidade, o Ultralytics Python package integra perfeitamente a deteção de objetos com algoritmos de seguimento populares como BoT-SORT e ByteTrack. Esta integração permite aos utilizadores executar a deteção e o seguimento em conjunto com uma configuração mínima.

Ao usar modelos YOLO para rastreamento de objetos, você pode escolher qual algoritmo de rastreamento aplicar com base nos requisitos da sua aplicação. Por exemplo, o BoT-SORT é uma boa opção para seguir objetos que se movem de forma imprevisível, graças ao uso de previsão de movimento e aprendizado profundo. O ByteTrack, por outro lado, tem um desempenho especialmente bom em cenas lotadas, mantendo um rastreamento confiável mesmo quando os objetos estão desfocados ou parcialmente ocultos.

Fig 2. O Ultralytics Python package integra perfeitamente o BoT-SORT e o ByteTrack.

Como o treinamento de modelos YOLO personalizados se relaciona com o rastreamento de objetos?#

Custom training é o processo de fine-tuning de um modelo de detecção de objetos pré-treinado, como o Ultralytics YOLO11, em um dataset específico para que ele possa reconhecer objetos que não estão incluídos em datasets padrão. Isto é especialmente importante quando o teu sistema de rastreamento precisa de seguir objetos personalizados ou pouco comuns.

Sistemas de rastreamento dependem do modelo de detecção para primeiro reconhecer o objeto. Se um modelo YOLO não consegue detectar um item específico, como um tipo particular de maquinário ou espécie da vida selvagem, o algoritmo de rastreamento não será capaz de 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 esse 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 entre os quadros.

Aplicações de rastreamento de objetos com Ultralytics YOLO#

Agora que temos uma compreensão melhor do que é o rastreamento de objetos e como ele funciona, vamos explorar algumas aplicações do mundo real onde essa tecnologia está causando impacto.

Rastreamento em tempo real usando Ultralytics YOLO para estimativa de velocidade#

Os sistemas de Speed estimation ativados por visão por computador dependem de tarefas como a deteção e o seguimento de objetos. Estes sistemas foram concebidos para calcular a velocidade a que um objeto se está a deslocar - quer seja um veículo, um ciclista ou mesmo uma pessoa. Esta informação é crucial para uma variedade de aplicações, desde a gestão de tráfego até à monitorização de segurança e automação industrial.

Usando um modelo como o Ultralytics YOLO11, objetos podem ser detectados e rastreados através de quadros de vídeo. Ao analisar o quanto um objeto se move durante um período específico de tempo, o sistema pode estimar sua velocidade.

Fig 3. Utilizar o suporte do YOLO11 para o seguimento de objetos para a estimativa de velocidade.

Explorando o rastreamento de objetos na manufatura#

Processos de manufatura podem ser acelerados e altamente complexos, tornando difícil acompanhar manualmente cada item produzido. O rastreamento de objetos oferece uma boa solução para automatizar o monitoramento de produtos à medida que se movem por cada estágio de produção. Isso pode ajudar fábricas a manter altos níveis de precisão e eficiência sem desacelerar as coisas.

Desde a contagem de produtos numa correia transportadora até à deteção de defeitos ou à verificação de uma montagem correta, o seguimento de objetos traz visibilidade e controlo a tarefas que, de outra forma, seriam demoradas ou propensas a erros. Esta tecnologia tem um impacto especial em indústrias de alto volume, como o food processing, eletrónica e embalagem, onde a velocidade e a precisão são fundamentais.

Fig 4. Um exemplo de rastreamento e contagem de produtos alimentícios em uma linha de montagem usando o Ultralytics YOLO11.

Uma visão geral do rastreamento de objetos em análises de varejo#

Incontáveis clientes entram e saem de retail stores todos os dias, e compreender o seu comportamento é a chave para melhorar tanto a experiência do cliente como o desempenho do negócio. O seguimento de objetos torna possível aos retalhistas monitorizar o tráfego de pessoas, medir o tempo de permanência e analisar padrões de movimento - tudo isto sem necessidade de métodos invasivos ou manuais.

Ao rastrear indivíduos à medida que entram, saem e se movem pela loja, as empresas podem obter insights sobre os horários de pico, áreas populares e até mesmo o tamanho das filas. Esses insights podem informar decisões sobre equipe, layout da loja e disposição do inventário, levando, em última análise, a operações mais eficientes e aumento nas vendas.

Fig 5. Usando as capacidades de rastreamento de objetos do Ultralytics YOLO11 para monitorar pessoas entrando e saindo de uma loja.

Prós e contras do rastreamento de objetos#

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 várias indústrias:

• Habilita alertas em tempo real: Sistemas integrados com rastreamento de objetos podem ser configurados para acionar alertas automaticamente quando algo incomum é detectado, como uma pessoa entrando em uma área restrita ou uma entrega sendo deixada por muito tempo em um lugar.
• Integra-se com outros sistemas: Os dados de seguimento de objetos podem ser combinados com outras tecnologias, como facial recognition, câmaras térmicas ou sistemas de inventário, para obter informações ainda mais poderosas.
• Custo-benefício a longo prazo: Embora a configuração inicial possa exigir investimento, o rastreamento automatizado reduz a necessidade de trabalho manual, diminui as taxas de erro e reduz os custos operacionais ao longo do tempo.

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:

• Dificuldade em crowded environments: Em ambientes movimentados como concertos, centros comerciais ou ruas de cidades, os sistemas de seguimento podem ter dificuldade em distinguir entre pessoas ou objetos que estão próximos uns dos outros, o que leva a confusão ou a resultados imprecisos.

• Sensível às condições ambientais: Má iluminação, neblina, movimento rápido ou vibração da câmera podem afetar a capacidade do sistema de rastrear objetos com precisão, especialmente em ambientes externos ou não controlados.

• Preocupações com privacidade e legais: O manuseio inadequado de dados pessoais, a falta de consentimento do usuário ou a vigilância em espaços públicos podem levantar questões éticas e levar ao não cumprimento das leis de privacidade.

Principais pontos#

O rastreamento de objetos é uma tarefa de visão computacional que permite que as máquinas sigam o movimento de objetos ao longo do tempo. É usado em uma ampla gama de cenários do mundo real - desde a estimativa da velocidade de veículos e contagem de produtos em uma linha de montagem até a análise de movimentos de jogadores em esportes.

Com modelos de Vision AI como o Ultralytics YOLO11 e algoritmos de rastreamento como BoT-SORT e ByteTrack, o rastreamento de objetos tornou-se mais rápido, inteligente e acessível em diferentes indústrias. À medida que a tecnologia de rastreamento de objetos evolui, ela está a ajudar os sistemas a tornarem-se mais inteligentes, eficientes e responsivos, um frame de cada vez.

Queres saber mais sobre visão computacional e IA? Explora o nosso GitHub repository, conecta-te com our community e consulta our licensing options para dar início ao teu projeto de visão computacional. Se estás a explorar inovações como AI in manufacturing e computer vision in the automotive indústria, visita as nossas páginas de soluções para descobrir mais.