20 de novembro de 2024
Junte-se a nós enquanto analisamos mais de perto como usar o Ultralytics YOLO11 para rastreamento de objetos em aplicações em tempo real, como vigilância, agricultura e manufatura.
Digamos que você queira monitorar e rastrear o movimento de componentes em uma linha de montagem em 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 rastrear itens, o que pode ser demorado e propenso 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 rastrear objetos em um vídeo. Ele pode ser usado para uma ampla variedade de aplicações, desde o monitoramento de animais em fazendas até segurança e vigilância em lojas de varejo. Os objetos que estão sendo rastreados em um vídeo são geralmente visualizados usando caixas delimitadoras para ajudar o usuário a ver exatamente onde eles estão localizados e detectados dentro do frame do vídeo.
Lançado durante o evento híbrido anual da Ultralytics, YOLO Vision 2024 (YV24), o Ultralytics YOLO11 é um modelo de visão computacional que pode lidar com uma ampla variedade de tarefas de Visão de IA, incluindo o rastreamento de objetos. Neste artigo, exploraremos como o rastreamento de objetos funciona e discutiremos aplicações no mundo real. Também veremos como você pode experimentar o rastreamento de objetos usando o YOLO11. Vamos começar!
O rastreamento de objetos é uma técnica essencial de visão computacional. Ele possibilita 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 - a detecção de objetos. A principal diferença entre os dois reside em como eles lidam com os frames de vídeo. A detecção de objetos analisa cada frame individualmente, identificando e classificando objetos sem considerar frames anteriores ou futuros. O rastreamento de objetos, por outro lado, conecta os pontos entre os frames, seguindo os mesmos objetos ao longo do tempo e rastreando seus movimentos.
Aqui está uma explicação mais detalhada de como o rastreamento de objetos funciona:
O Ultralytics suporta o rastreamento de objetos em tempo real, aproveitando algoritmos de rastreamento avançados como BoT-SORT e ByteTrack. Ele também funciona perfeitamente com modelos YOLO11 de segmentação e estimativa de pose, tornando-o uma ferramenta flexível para uma ampla gama de tarefas de rastreamento.
As capacidades versáteis do modelo Ultralytics YOLO11 abrem um vasto leque de aplicações possíveis em diversos setores. Vamos analisar mais de perto alguns casos de uso do rastreamento de objetos com o YOLO11.
O rastreamento de objetos é crucial para ajudar os carros autônomos a operar de forma segura e eficiente. Esses veículos precisam entender constantemente o que está ao seu redor para tomar decisões em tempo real, como parar, virar ou mudar de faixa. A detecção de objetos permite que o carro identifique elementos-chave em seu ambiente, como pedestres, ciclistas, 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 frames. Por exemplo, ajuda os veículos autônomos 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 detecção e rastreamento, os carros autônomos podem antecipar o movimento de objetos ao seu redor, responder proativamente e dirigir de forma segura e suave.
O rastreamento de animais em uma fazenda, como o gado, é vital para um gerenciamento eficaz, mas pode ser uma tarefa tediosa e demorada. Os métodos tradicionais, como o uso de sensores ou tags, geralmente têm desvantagens. Esses dispositivos podem estressar os animais quando fixados e são propensos a cair ou serem danificados, o que interrompe o rastreamento.
A visão computacional oferece uma solução melhor para os agricultores monitorarem e rastrearem animais sem a necessidade de tags físicas. O rastreamento de objetos pode fornecer aos agricultores informações valiosas 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 agricultores podem identificar mudanças sutis no movimento e resolver problemas de saúde precocemente.
Além do monitoramento da saúde, a visão computacional também pode ajudar os agricultores a entender outros comportamentos, como interações sociais, hábitos alimentares e padrões de movimento. Essas informações podem melhorar o gerenciamento 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 visão computacional é uma ferramenta prática e eficiente para a agricultura moderna.
O rastreamento de objetos tem muitos casos de uso no setor industrial. Por exemplo, os sistemas de detecção e rastreamento de objetos podem monitorar linhas de produção. Produtos ou matérias-primas podem ser facilmente rastreados e contados à medida que se movem em uma esteira rolante. Esses sistemas também podem ser integrados com outros sistemas de visão computacional para executar tarefas adicionais. Por exemplo, um item com um defeito pode ser identificado usando um sistema de detecção de defeitos e rastreado usando o rastreamento de objetos para garantir que seja tratado adequadamente.
Outra aplicação importante do rastreamento de objetos na indústria está relacionada à segurança. Os sistemas de rastreamento de objetos podem ser usados para detectar e rastrear trabalhadores em ambientes de fabricação potencialmente perigosos. Regiões perigosas podem ser marcadas e monitoradas constantemente usando sistemas de visão computacional, e os supervisores podem ser notificados se os trabalhadores (sendo rastreados) se aproximarem dessas áreas. Tais sistemas de segurança também podem ser usados para detectar e rastrear equipamentos, evitando a possibilidade de roubo.
O rastreamento de objetos em tempo real é amplamente utilizado em sistemas de segurança e vigilância. Esses sistemas podem ser usados para monitorar locais públicos, centros de transporte e grandes ambientes de varejo, como shoppings. Grandes áreas 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, os sistemas de rastreamento de objetos foram usados para rastrear áreas lotadas e garantir que as pessoas mantivessem o distanciamento social.
O rastreamento de objetos também pode ser usado na vigilância do tráfego. O rastreamento de objetos possibilita rastrear e analisar como os veículos se comportam, 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 rastrear um veículo para determinar sua velocidade.
Agora que exploramos algumas das aplicações de rastreamento de objetos, vamos discutir como você pode experimentá-lo usando o modelo Ultralytics YOLO11.
Para começar, instale o pacote Ultralytics Python usando pip, conda ou Docker. Se você enfrentar algum desafio durante a instalação, nosso Guia de Problemas Comuns oferece dicas úteis de solução de problemas.
Depois de instalar o pacote com sucesso, execute o seguinte código. 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 - pequeno, médio, grande e extra-grande.
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 se adequar à sua aplicação específica.
Como mencionado anteriormente, o rastreamento de objetos é suportado para os seguintes modelos YOLO11: detecção de objetos, estimação de pose e segmentação de instâncias. Se você tiver uma aplicação específica envolvendo rastreamento, poderá treinar sob medida qualquer um desses modelos, dependendo da sua aplicação. Você pode treinar um modelo sob medida usando o pacote Ultralytics Python ou a plataforma sem código, Ultralytics HUB.
O Ultralytics YOLO11 é uma excelente ferramenta para rastrear objetos em vídeos e pode ser usado em diversos campos, como carros autônomos, agricultura, manufatura e segurança. Ele pode detectar e rastrear objetos em tempo real, ajudando empresas e indústrias a monitorar seus trabalhadores e equipamentos. O modelo é fácil de usar e pode ser personalizado para necessidades específicas, tornando-o uma boa opção para quem estiver interessado em adotar recursos de visão computacional de forma integrada.
Para saber mais, visite nosso repositório no GitHub e interaja com a nossa comunidade. Explore aplicações de IA em carros autônomos e na agricultura em nossas páginas de soluções. 🚀
.webp)