Como usar o Ultralytics YOLO11 para rastreamento de objetos

Digamos que você queira monitorar e rastrear o movimento de componentes em uma linha de montagem em uma instalação de manufacturing para garantir o quality control e melhorar a eficiência do fluxo de trabalho. Normalmente, isso envolveria inspeções manuais ou o uso de sensores básicos para rastrear itens, o que pode consumir muito tempo e ser propenso a erros. No entanto, computer vision e object tracking podem ser usados para automatizar e aprimorar esse processo.

O rastreamento de objetos é uma computer vision task que ajuda a detectar, identificar e rastrear objetos em um vídeo. Ele pode ser usado para uma grande variedade de aplicações, desde animal monitoring em fazendas até security e surveillance em lojas de retail. Os objects being tracked em um vídeo geralmente são visualized usando bounding boxes para ajudar o usuário a ver exatamente onde eles estão localizados e detectados dentro do quadro do vídeo.

Lançado durante o Ultralytics’ annual hybrid event, YOLO Vision 2024 (YV24), o Ultralytics YOLO11 é um computer vision model que pode lidar com uma grande variedade de tarefas de vision AI, incluindo o rastreamento de objetos. Neste artigo, exploraremos como o object tracking funciona e discutiremos aplicações do mundo real. Também daremos uma olhada em como você pode experimentar o rastreamento de objetos usando o YOLO11. Vamos começar!

Fig 1. Um exemplo do uso do YOLO11 para rastreamento de objetos em uma loja de varejo.

Link to this sectionRastreamento de objetos com IA usando YOLO11#

Object tracking é uma técnica essencial de visão computacional. Ela torna possível que objetos em um vídeo sejam identificados e rastreados ao longo do tempo. O rastreamento de objetos pode parecer muito semelhante a outra tarefa de visão computacional: object detection. A principal diferença entre as duas reside na forma como lidam com os quadros de vídeo. Object detection analisa cada quadro individualmente, identificando e classificando objetos sem considerar quadros anteriores ou futuros. O Object tracking, por outro lado, conecta os pontos entre os quadros, seguindo os mesmos objetos ao longo do tempo e mantendo o registro de seus movimentos.

Aqui está um passo a passo mais detalhado de como o object tracking funciona:

• Object detection: O processo começa detectando objetos em um único quadro de um vídeo. O YOLO11 pode ser usado para identificar vários objetos e suas localizações com precisão.
• Atribuir IDs únicos: Cada objeto detectado recebe um ID único para distingui-lo dos outros e tornar mais fácil o rastreamento.
• Track movement entre quadros: Um algoritmo de rastreamento segue os objetos em quadros subsequentes, atualizando suas posições enquanto mantém a associação com seus IDs únicos.
• Lidar com oclusões: Se um objeto desaparece temporariamente da visão (por exemplo, bloqueado por outro objeto), o sistema garante que o rastreamento seja retomado assim que o objeto reaparecer.
• Atualizar informações do objeto: À medida que os objetos se movem, suas posições e atributos (como velocidade ou direção) são atualizados continuamente para refletir as mudanças ao longo do tempo.

A Ultralytics oferece suporte ao rastreamento de objetos em tempo real utilizando algoritmos de rastreamento avançados como BoT-SORT e ByteTrack. Ele também funciona perfeitamente com segmentation e pose estimation em YOLO11 models, tornando-o uma ferramenta flexível para uma ampla gama de tarefas de rastreamento.

Link to this sectionAplicações do rastreamento de objetos com YOLO11#

As capacidades versáteis do Ultralytics YOLO11 model abrem uma ampla gama de aplicações possíveis em muitos setores. Vamos dar uma olhada mais de perto em alguns casos de uso de rastreamento de objetos com YOLO11.

Link to this sectionYOLO11 para rastreamento de veículos autônomos#

O rastreamento de objetos é crucial para ajudar carros self-driving a operarem de forma segura e eficiente. Esses veículos precisam entender constantemente o seu entorno para tomar decisões em tempo real, como parar, virar ou mudar de faixa. O Object detection permite que o carro identifique elementos-chave em seu ambiente, como pedestres, cyclists, outros veículos e sinais de trânsito. No entanto, detectar esses objetos em um único momento não é suficiente para uma navegação segura.

É aí que entra o rastreamento de objetos. Ele permite que o carro siga esses objetos ao longo do tempo, rastreando seus movimentos em vários quadros. Por exemplo, ajuda autonomous vehicles a prever para onde um pedestre está indo, monitorar a velocidade e a direção de veículos próximos ou reconhecer que um semáforo não mudou. Ao combinar detection e rastreamento, carros autônomos podem antecipar o movimento de objetos ao seu redor, responder proativamente e dirigir de forma segura e suave.

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

Link to this sectionUsando o rastreamento de objetos do YOLO11 para monitorar animais#

Tracking animals em uma fazenda, como gado, é vital para um gerenciamento eficaz, mas pode ser uma tarefa tediosa e demorada. Os métodos tradicionais, como o uso de sensores ou etiquetas, muitas vezes têm desvantagens. Esses dispositivos podem estressar os animais quando acoplados e são propensos a cair ou serem danificados, o que interrompe o rastreamento.

A Computer vision oferece uma solution for farmers melhor para monitorar e rastrear animais sem a necessidade de etiquetas físicas. O rastreamento de objetos pode dar aos farmers insights valiosos sobre o comportamento e a saúde dos animais. Por exemplo, pode ajudar a detectar condições como a claudicação, que afeta a forma como um animal caminha. Ao usar o rastreamento de objetos, os farmers podem identificar mudanças sutis no movimento e tratar problemas de saúde precocemente.

Além do monitoramento da saúde, a computer vision também pode ajudar os farmers a entender outros comportamentos, como interações sociais, hábitos alimentares e padrões de movimento. Esses insights 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 para os animais, o rastreamento baseado em computer vision é uma ferramenta prática e eficiente para a agricultura moderna.

Fig 3. Usando o YOLO11 para rastrear fazendeiros e uma vaca.

Link to this sectionRastreamento de objetos na manufatura usando YOLO11#

O rastreamento de objetos tem muitos casos de uso no setor de manufacturing. Por exemplo, sistemas de detecção e rastreamento de objetos podem monitorar linhas de produção. Produtos ou matérias-primas podem ser facilmente rastreados e counted à medida que se movem em uma esteira. Esses sistemas também podem ser integrated com outros sistemas de computer vision para realizar tarefas adicionais. Por exemplo, um item com defeito pode ser identificado usando um sistema de defect detection e rastreado usando o rastreamento de objetos para garantir que seja devidamente tratado.

Outra aplicação importante do rastreamento de objetos na manufatura está relacionada à safety. Sistemas de rastreamento de objetos podem ser usados para detectar e rastrear trabalhadores em ambientes de manufatura potencialmente perigosos. Regiões perigosas podem ser marcadas e monitoradas constantemente usando sistemas de computer vision, e os supervisores podem ser notificados se os trabalhadores (sendo rastreados) se aproximarem de tais áreas. Tais safety systems também podem ser usados para detectar e rastrear equipamentos, evitando a chance de theft.

Fig 4. Um exemplo da detecção de objetos YOLO11 sendo usada para detectar trabalhadores.

Link to this sectionRastreamento de objetos e vigilância usando YOLO11#

O rastreamento de objetos em tempo real é amplamente utilizado em sistemas de segurança e vigilância. Esses sistemas podem ser usados para monitor public places, transportation hubs e grandes ambientes de retail como shoppings. Áreas grandes e lotadas podem usar essa tecnologia para rastrear indivíduos suspeitos ou o comportamento da multidão, fornecendo uma solução de vigilância perfeita. Por exemplo, durante a pandemia, sistemas de rastreamento de objetos foram usados para rastrear áreas lotadas e garantir que as pessoas estivessem mantendo o distanciamento social.

O rastreamento de objetos também pode ser usado em traffic surveillance. O rastreamento de objetos torna possível rastrear e analisar como os veículos se comportam, detectando ações incomuns ou suspeitas em tempo real para ajudar a prevenir acidentes ou crimes. Um bom exemplo são os sistemas de speed estimation. Eles podem detectar e track a vehicle para determinar sua velocidade.

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

Link to this sectionExperimente o rastreamento de objetos com o Ultralytics YOLO11#

Agora que exploramos algumas das aplicações de rastreamento de objetos, vamos discutir como você pode experimentá-lo usando o Ultralytics YOLO11 model.

Para get started, instale o Ultralytics Python package usando pip, conda ou Docker. Se você encontrar algum desafio durante a instalação, nosso Common Issues Guide oferece dicas úteis de solução de problemas.

Assim que você installed o pacote com sucesso, execute o código a seguir. Ele descreve 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. Existem também outras variantes de modelo para escolher - small, medium, large e extra-large.

Fig 6. Um trecho de código que demonstra o rastreamento de objetos usando o modelo YOLO11.

Você também pode optar por usar um modelo treinado personalizado em vez de um modelo pré-treinado. O treinamento personalizado envolve fine-tuning de um modelo pré-treinado para se adequar à sua specific application.

Como mencionado anteriormente, o rastreamento de objetos é suportado para os seguintes modelos YOLO11: detecção de objetos, pose estimation e instance segmentation. Se você tem uma aplicação específica envolvendo rastreamento, você pode treinar qualquer um desses modelos de forma personalizada, dependendo da sua aplicação. Você pode treinar um modelo de forma personalizada usando o Ultralytics Python package ou a no-code platform, Ultralytics HUB.

Link to this sectionPrincipais pontos#

O Ultralytics YOLO11 é uma ótima ferramenta para rastrear objetos em vídeos e pode ser usado em muitos campos diferentes, como carros autônomos, agricultura, manufatura e segurança. Ele pode detectar e seguir objetos em tempo real, ajudando empresas e indústrias a manter o controle de seus trabalhadores e equipamentos. O modelo é fácil de usar e pode ser personalizado para necessidades específicas, tornando-o uma boa opção para qualquer pessoa interessada em adotar capacidades de visão computacional de forma integrada.

Para saber mais, visite nosso GitHub repository e interaja com nossa community. Explore aplicações de IA em carros autônomos e agricultura em nossas páginas de soluções. 🚀