Como utilizar o Ultralytics YOLO11 para o rastreamento de objetos

Imagine que você queira monitorar e acompanhar o movimento de componentes em uma linha de montagem de uma instalação de manufatura para garantir o controle de qualidade e melhorar a eficiência do fluxo de trabalho. Normalmente, isso envolveria inspeções manuais ou o uso de sensores básicos para acompanhar os itens, o que pode consumir muito tempo e estar sujeito a erros. No entanto, a visão computacional e o rastreamento de objetos podem ser usados para automatizar e aprimorar esse processo.

O rastreamento de objetos é uma tarefa de visão computacional que ajuda a detectar, identificar e acompanhar objetos em um vídeo. Ele pode ser usado em uma grande variedade de aplicações, desde o monitoramento de animais em fazendas até a segurança e a vigilância em lojas. Os objetos rastreados em um vídeo geralmente são visualizados com caixas delimitadoras, para ajudar o usuário a ver exatamente onde eles estão localizados e foram detectados no quadro do vídeo.

Lançado durante o evento híbrido anual da Ultralytics, o YOLO Vision 2024 (YV24), o Ultralytics YOLO11 é um modelo de visão computacional capaz de realizar uma grande variedade de tarefas de IA aplicada à visão, incluindo rastreamento de objetos. (Desde então, o YOLO11 foi sucedido pelo Ultralytics YOLO26.) Neste artigo, vamos explorar como funciona o rastreamento de objetos e discutir aplicações reais. Também veremos como você pode experimentar o rastreamento de objetos usando o YOLO11. Vamos começar!

Fig. 1. Exemplo de uso do Ultralytics YOLO11 para rastrear objetos numa loja de retalho.

Rastreamento de objetos com o Ultralytics YOLO11 baseado em IA#

O rastreamento de objetos é uma técnica essencial de visão computacional. Ele possibilita identificar e acompanhar objetos em um vídeo ao longo do tempo. O rastreamento de objetos pode parecer muito semelhante a outra tarefa de visão computacional: a detecção de objetos. A principal diferença entre as duas está na forma como lidam com os quadros de vídeo. A detecção de objetos analisa cada quadro individualmente, identificando e classificando objetos sem considerar quadros anteriores ou futuros. Já o rastreamento de objetos conecta os pontos entre os quadros, acompanhando os mesmos objetos ao longo do tempo e registrando seus movimentos.

Veja a seguir uma explicação mais detalhada de como funciona o rastreamento de objetos:

• Detecção de objetos: O processo começa com a detecção de objetos em um único quadro do vídeo. O YOLO11 pode ser usado para identificar vários objetos e suas localizações com precisão.
• Atribuição de IDs únicos: cada objeto detetado recebe um ID único para o distinguir dos outros e facilitar o rastreamento.
• Rastreamento do movimento entre os quadros: Um algoritmo de rastreamento acompanha os objetos nos quadros seguintes, atualizando suas posições e mantendo a associação com seus IDs exclusivos.
• Como lidar com oclusões: Se um objeto desaparecer temporariamente do campo de visão (por exemplo, ao ser bloqueado por outro objeto), o rastreador tenta retomar seu rastreamento com o mesmo ID assim que ele reaparece.
• Atualizar as informações dos objetos: à medida que os objetos se movem, as suas posições e características (como velocidade ou direção) são atualizadas continuamente para refletir as mudanças ao longo do tempo.

A Ultralytics oferece suporte ao rastreamento de objetos em tempo real usando algoritmos de rastreamento como BoT-SORT e ByteTrack. Também é compatível com modelos YOLO11 de segmentação e estimativa de pose, o que faz dele uma ferramenta flexível para uma grande variedade de tarefas de rastreamento.

Aplicações do rastreamento de objetos com o Ultralytics YOLO11#

Os recursos versáteis do modelo Ultralytics YOLO11 abrem muitas possibilidades de aplicação em diversos setores. Vamos analisar alguns casos de uso do YOLO11 para rastreamento de objetos.

Ultralytics YOLO11 para rastreamento de veículos autónomos#

O rastreamento de objetos é fundamental para ajudar carros autônomos a operar com segurança e eficiência. Esses veículos precisam compreender constantemente o ambiente ao redor para tomar decisões em tempo real, como parar, virar ou mudar de faixa. A detecção de objetos permite que o carro identifique elementos importantes do ambiente, como pedestres, ciclistas, outros veículos e sinais de trânsito. No entanto, detectar esses objetos em um único instante não é suficiente para uma navegação segura.

É aí que entra o rastreamento de objetos. Ele permite que o carro acompanhe esses objetos ao longo do tempo, monitorando seus movimentos em vários quadros. Por exemplo, ajuda veículos autônomos a prever para onde um pedestre está indo, monitorar a velocidade e a direção dos veículos próximos ou reconhecer que um semáforo ainda não mudou. Ao combinar detecção e rastreamento, os carros autônomos podem prever o movimento dos objetos ao redor, reagir proativamente e dirigir com segurança e suavidade.

Fig. 2. O Ultralytics YOLO11 pode ser usado para detetar e rastrear carros.

Uso do rastreamento de objetos do Ultralytics YOLO11 para monitorizar animais#

Rastrear animais numa quinta, como bovinos, é essencial para uma gestão eficaz, mas pode ser uma tarefa tediosa e demorada. Os métodos tradicionais, como o uso de sensores ou etiquetas, têm frequentemente desvantagens. Quando colocados nos animais, esses dispositivos podem causar-lhes stress e são propensos a cair ou a sofrer danos, o que interrompe o rastreamento.

A visão computacional oferece aos agricultores uma solução melhor para monitorar e acompanhar animais sem a necessidade de etiquetas físicas. O rastreamento de objetos pode fornecer informações valiosas sobre o comportamento e a saúde dos animais. Por exemplo, ele pode ajudar a detectar problemas como a claudicação, que afetam a maneira como um animal caminha. Com o rastreamento de objetos, os agricultores podem identificar mudanças sutis nos movimentos e tratar problemas de saúde desde o início.

Além do monitoramento da saúde, a visão computacional também pode ajudar os agricultores a compreender outros comportamentos, como interações sociais, hábitos alimentares e padrões de movimento. Essas informações podem melhorar o manejo do rebanho, otimizar os horários de alimentação e promover o bem-estar geral dos animais. Ao reduzir o trabalho manual e minimizar o estresse dos animais, o rastreamento baseado em visão computacional é uma ferramenta prática e eficiente para a agricultura moderna.

Fig. 3. Uso do Ultralytics YOLO11 para rastrear agricultores e uma vaca.

Rastreamento de objetos na indústria com o Ultralytics YOLO11#

O rastreamento de objetos tem muitos casos de uso no setor de manufatura. Por exemplo, sistemas de detecção e rastreamento de objetos podem monitorar linhas de produção. É fácil acompanhar e contar produtos ou matérias-primas à medida que se movem em uma esteira transportadora. Esses sistemas também podem ser integrados a outros sistemas de visão computacional para realizar tarefas adicionais. Por exemplo, um item com defeito pode ser identificado por um sistema de detecção de defeitos e acompanhado pelo rastreamento de objetos para garantir que receba o tratamento adequado.

Outra aplicação importante do rastreamento de objetos na manufatura está relacionada à segurança. Os sistemas de rastreamento de objetos podem ser usados para detectar e acompanhar trabalhadores em ambientes de manufatura potencialmente perigosos. Sistemas de visão computacional podem demarcar e monitorar constantemente áreas perigosas, e os supervisores podem receber notificações quando os trabalhadores rastreados se aproximarem dessas áreas. Esses sistemas de segurança também podem ser usados para detectar e acompanhar equipamentos, reduzindo o risco de roubo.

Fig. 4. Exemplo de uso da deteção de objetos do YOLO11 para detetar trabalhadores.

Rastreamento de objetos e vigilância com o Ultralytics YOLO11#

O rastreamento de objetos em tempo real é amplamente usado em sistemas de segurança e vigilância. Esses sistemas podem monitorar locais públicos, centros de transporte e grandes espaços comerciais, como shopping centers. Em áreas amplas e movimentadas, essa tecnologia pode acompanhar pessoas suspeitas ou o comportamento das multidões, oferecendo monitoramento contínuo. Por exemplo, durante a pandemia, sistemas de rastreamento de objetos foram usados para monitorar áreas lotadas e garantir que as pessoas mantivessem o distanciamento social.

O rastreamento de objetos também pode ser usado na vigilância do trânsito. Ele possibilita acompanhar e analisar o comportamento dos veículos, identificando ações incomuns ou suspeitas em tempo real para ajudar a prevenir acidentes ou crimes. Um bom exemplo são os sistemas de estimativa de velocidade. Eles podem detectar e acompanhar um veículo para determinar sua velocidade.

Fig. 5. A estimativa de velocidade pode ser feita com o rastreamento de objetos.

Experimenta o rastreamento de objetos com o Ultralytics YOLO11#

Agora que exploramos algumas aplicações do rastreamento de objetos, vamos ver como você pode experimentá-lo com o modelo Ultralytics YOLO11 e o modo de rastreamento.

Para começar, instale o pacote Python da Ultralytics usando pip, conda ou Docker. Se você tiver dificuldades durante a instalação, nosso Guia de problemas comuns oferece dicas úteis para solucioná-los.

Depois de instalar o pacote com sucesso, execute o código a seguir. Ele mostra como carregar o modelo Ultralytics YOLO11 e usá-lo para rastrear objetos em um arquivo de vídeo. O modelo usado no código é “yolo11n.pt”. O “n” significa Nano, a menor variante do modelo YOLO11. Há também outras variantes de modelo disponíveis: small, medium, large e extra-large.

Fig. 6. Trecho de código que demonstra o rastreamento de objetos com o modelo Ultralytics YOLO11.

Você também pode optar por usar um modelo treinado sob medida em vez de um modelo pré-treinado. O treinamento personalizado envolve o ajuste fino de um modelo pré-treinado para adaptá-lo à sua aplicação específica.

Como mencionado anteriormente, o rastreamento de objetos é compatível com os seguintes modelos YOLO11: detecção de objetos, estimativa de pose e segmentação de instâncias. Se você tiver uma aplicação específica que envolva rastreamento, poderá treinar sob medida qualquer um desses modelos de acordo com a sua aplicação. Você pode treinar um modelo sob medida usando o pacote Python da Ultralytics ou a plataforma sem código Ultralytics HUB (agora Ultralytics Platform).

Principais conclusões#

O Ultralytics YOLO11 é uma excelente ferramenta para rastrear objetos em vídeos e pode ser usado em diversas áreas, como carros autônomos, agricultura, manufatura e segurança. Ele pode detectar e acompanhar objetos em tempo real, ajudando empresas e setores a monitorar seus trabalhadores e equipamentos. O modelo é fácil de usar e pode ser personalizado para necessidades específicas, o que o torna uma boa opção para quem tem interesse em adotar a visão computacional.

Para saber mais, acesse nosso repositório no GitHub e participe da nossa comunidade. Explore aplicações de IA em carros autônomos e na agricultura nas páginas de soluções.