Como usar Ultralytics YOLO11 para rastreamento de objetos

Suponhamos que queiras monitorizar e acompanhar o movimento de componentes numa linha de montagem numa unidade de fabrico para garantir o controlo de qualidade e melhorar a eficiência do fluxo de trabalho. Normalmente, isto envolveria inspeções manuais ou a utilização 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 utilizados para automatizar e melhorar este processo.

O rastreamento de objetos é uma tarefa de visão computacional que ajuda a detetar, identificar e acompanhar objetos num vídeo. Pode ser utilizado numa grande variedade de aplicações, desde o monitorização de animais em explorações agrícolas até à segurança e vigilância em lojas de retalho. Os objetos rastreados num vídeo são normalmente visualizados utilizando caixas delimitadoras, para ajudar o utilizador a ver exatamente onde estão localizados e foram detetados no fotograma 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 lidar com uma grande variedade de tarefas de IA para visão, incluindo o rastreamento de objetos. Neste artigo, vamos explorar como funciona o rastreamento de objetos e abordar aplicações do mundo real. Também veremos como podes experimentar o rastreamento de objetos com o YOLO11. Vamos começar!

Fig. 1. Um exemplo da utilização do Ultralytics YOLO11 para rastreamento de objetos numa loja de retalho.

Rastreamento de objetos com IA usando o Ultralytics YOLO11#

O rastreamento de objetos é uma técnica essencial de visão computacional. Permite identificar e acompanhar objetos num vídeo ao longo do tempo. O rastreamento de objetos pode parecer muito semelhante a outra tarefa de visão computacional: a deteção de objetos. A principal diferença entre ambas está na forma como lidam com os fotogramas do vídeo. A deteção de objetos analisa cada fotograma individualmente, identificando e classificando objetos sem considerar fotogramas anteriores ou posteriores. Já o rastreamento de objetos estabelece ligações entre os fotogramas, acompanhando os mesmos objetos ao longo do tempo e monitorizando os seus movimentos.

Eis uma explicação mais detalhada de como funciona o rastreamento de objetos:

• Deteção de objetos: o processo começa pela deteção de objetos num único fotograma de um vídeo. O YOLO11 pode ser utilizado para identificar vários objetos e as respetivas localizações com precisão.
• Atribuição de IDs únicos: cada objeto detetado recebe um ID único para o distinguir dos restantes e facilitar o seu rastreamento.
• Rastreamento do movimento entre fotogramas: um algoritmo de rastreamento acompanha os objetos nos fotogramas seguintes, atualizando as suas posições e mantendo a associação aos respetivos IDs únicos.
• Gestão de oclusões: se um objeto desaparecer temporariamente da vista (por exemplo, por estar bloqueado por outro objeto), o sistema garante que o rastreamento é retomado quando o objeto reaparece.
• Atualização das informações dos objetos: à medida que os objetos se movem, as suas posições e atributos (como a velocidade ou a direção) são atualizados continuamente para refletir as alterações ao longo do tempo.

A Ultralytics suporta o rastreamento de objetos em tempo real através de algoritmos avançados de rastreamento, como o BoT-SORT e o ByteTrack. Também funciona perfeitamente com segmentação e estimativa de pose nos modelos YOLO11, sendo uma ferramenta flexível para uma grande variedade de tarefas de rastreamento.

Aplicações do rastreamento de objetos com o Ultralytics YOLO11#

As capacidades versáteis do modelo Ultralytics YOLO11 permitem uma grande variedade de aplicações possíveis em vários setores. Vejamos mais de perto alguns casos de utilização do rastreamento de objetos com o YOLO11.

Ultralytics YOLO11 para rastreamento de veículos autónomos#

O rastreamento de objetos é fundamental para ajudar os carros autónomos a operar de forma segura e eficiente. Estes veículos precisam de compreender continuamente o que os rodeia para tomar decisões em tempo real, como parar, virar ou mudar de faixa. A deteção de objetos permite ao carro identificar elementos importantes do ambiente, como peões, ciclistas, outros veículos e sinais de trânsito. No entanto, detetar estes objetos num único momento não é suficiente para uma navegação segura.

É aqui que entra o rastreamento de objetos. Permite ao carro acompanhar estes objetos ao longo do tempo, rastreando os seus movimentos em vários fotogramas. Por exemplo, ajuda os veículos autónomos a prever para onde se dirige um peão, monitorizar a velocidade e a direção dos veículos próximos ou reconhecer que um semáforo não mudou. Ao combinar deteção e rastreamento, os carros autónomos podem antecipar o movimento dos objetos à sua volta, reagir proativamente e circular de forma segura e suave.

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

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

Rastrear animais numa exploração agrícola, como gado bovino, é essencial para uma gestão eficaz, mas pode ser uma tarefa monótona e demorada. Os métodos tradicionais, como a utilização de sensores ou etiquetas, apresentam frequentemente desvantagens. Estes dispositivos podem causar stress aos animais quando são colocados e estão sujeitos a cair ou a danificar-se, interrompendo o rastreamento.

A visão computacional oferece uma solução melhor para os agricultores, permitindo monitorizar e rastrear animais sem a necessidade de etiquetas físicas. O rastreamento de objetos pode fornecer aos agricultores informações valiosas sobre o comportamento e a saúde dos animais. Por exemplo, pode ajudar a detetar problemas como a claudicação, que afeta a forma como um animal caminha. Ao utilizarem o rastreamento de objetos, os agricultores podem identificar alterações subtis no movimento e tratar problemas de saúde numa fase inicial.

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

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

Rastreamento de objetos no fabrico com o Ultralytics YOLO11#

O rastreamento de objetos tem muitos casos de utilização no setor do fabrico. Por exemplo, os sistemas de deteção e rastreamento de objetos podem monitorizar linhas de produção. Os produtos ou matérias-primas podem ser facilmente rastreados e contados à medida que avançam numa correia transportadora. Estes 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 através de um sistema de deteção de defeitos e rastreado através do rastreamento de objetos para garantir que é devidamente tratado.

Outra aplicação importante do rastreamento de objetos no fabrico está relacionada com a segurança. Os sistemas de rastreamento de objetos podem ser utilizados para detetar e rastrear trabalhadores em ambientes de fabrico potencialmente perigosos. As zonas perigosas podem ser assinaladas e monitorizadas continuamente através de sistemas de visão computacional, e os supervisores podem ser notificados se os trabalhadores (que estão a ser rastreados) se aproximarem dessas áreas. Estes sistemas de segurança também podem ser utilizados para detetar e rastrear equipamentos, prevenindo a possibilidade de furto.

Fig. 4. Um exemplo da utilização 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 utilizado em sistemas de segurança e vigilância. Estes sistemas podem ser utilizados para monitorizar espaços públicos, hubs de transporte e grandes ambientes de retalho, como centros comerciais. As áreas grandes e movimentadas podem utilizar esta tecnologia para rastrear indivíduos suspeitos ou o comportamento das multidões, proporcionando uma solução de vigilância integrada. Por exemplo, durante a pandemia, os sistemas de rastreamento de objetos foram utilizados para monitorizar áreas movimentadas e garantir que as pessoas mantinham o distanciamento social.

O rastreamento de objetos também pode ser utilizado na vigilância do trânsito. Permite acompanhar e analisar o comportamento dos veículos, identificando ações invulgares ou suspeitas em tempo real para ajudar a prevenir acidentes ou crimes. Um bom exemplo são os sistemas de estimativa de velocidade. Estes podem detetar e rastrear um veículo para determinar a sua velocidade.

Fig. 5. A estimativa de velocidade pode ser realizada utilizando o rastreamento de objetos.

Experimenta o rastreamento de objetos com o Ultralytics YOLO11#

Agora que explorámos algumas aplicações do rastreamento de objetos, vamos abordar como podes experimentá-lo utilizando o modelo Ultralytics YOLO11.

Para começares, instala o pacote Python da Ultralytics utilizando pip, conda ou Docker. Se encontrares dificuldades durante a instalação, o nosso Guia de problemas comuns oferece sugestões úteis para a resolução de problemas.

Depois de instalares o pacote com êxito, executa o código seguinte. Este mostra como carregar o modelo Ultralytics YOLO11 e utilizá-lo para rastrear objetos num ficheiro de vídeo. O modelo utilizado no código é “yolo11n.pt”. O ‘n’ significa Nano, a variante mais pequena do modelo YOLO11. Existem também outras variantes de modelos à escolha: small, medium, large e extra-large.

Fig. 6. Um fragmento de código que demonstra o rastreamento de objetos utilizando o modelo Ultralytics YOLO11.

Também podes optar por utilizar um modelo treinado à medida em vez de um modelo pré-treinado. O treino personalizado envolve o ajuste fino de um modelo pré-treinado para o adaptar à tua aplicação específica.

Como mencionado anteriormente, o rastreamento de objetos é suportado pelos seguintes modelos YOLO11: deteção de objetos, estimativa de pose e segmentação de instâncias. Se tiveres uma aplicação específica que envolva rastreamento, podes treinar qualquer um destes modelos à medida, dependendo da tua aplicação. Podes treinar um modelo à medida utilizando o pacote Python da Ultralytics ou a plataforma sem código, o Ultralytics HUB.

Principais conclusões#

O Ultralytics YOLO11 é uma excelente ferramenta para rastrear objetos em vídeos e pode ser utilizado em muitos setores diferentes, como carros autónomos, agricultura, fabrico e segurança. Pode detetar e acompanhar objetos em tempo real, ajudando empresas e indústrias a monitorizar os seus trabalhadores e equipamentos. O modelo é fácil de utilizar e pode ser personalizado para necessidades específicas, sendo uma boa opção para qualquer pessoa interessada em adotar capacidades de visão computacional de forma integrada.

Para saberes mais, visita o nosso repositório do GitHub e participa na nossa comunidade. Explora aplicações de AI em carros autónomos e agricultura nas nossas páginas de soluções. 🚀