Detecção e rastreamento de objetos com Ultralytics YOLOv8
Descubra o poder da detecção e do rastreamento de objetos com Ultralytics YOLOv8. Vamos mostrar como configurar o modelo e o rastreador, além de apresentar inferência em tempo real com demonstrações práticas.

Hoje, vamos explorar mais um capítulo da nossa jornada com o Ultralytics YOLOv8. Neste episódio, o nosso foco está na deteção de objetos e no rastreamento, um aspeto fundamental da visão computacional que permite uma infinidade de aplicações em diversos setores. Junta-te a nós para explorar as capacidades do YOLOv8 neste domínio, com Nicolai Nielsen.
A deteção e o rastreamento de objetos desempenham papéis cruciais em vários cenários, desde sistemas de vigilância até à automação industrial. Com o YOLOv8, desenvolvido pela Ultralytics, é mais fácil do que nunca tirar partido destas funcionalidades. Nicolai explica-nos o processo, destacando ideias importantes e demonstrações práticas ao longo do percurso.
Preparação#
Antes de aprofundar os detalhes da deteção e do rastreamento de objetos, Nicolai destaca a versatilidade do Ultralytics YOLOv8. Quer se trate de identificar pessoas num espaço movimentado ou de monitorizar objetos numa linha de produção, o YOLOv8 oferece uma solução robusta.
Configuração do modelo#
Navegação no Visual Studio Code. Neste vídeo, Nicolai demonstra como configurar o modelo Ultralytics YOLOv8 para deteção e rastreamento de objetos. Usando o modelo médio, mostra como até modelos maiores podem funcionar sem problemas em tempo real, graças a configurações de hardware avançadas.
Configuração do rastreador#
No domínio do rastreamento de objetos, escolher o rastreador certo é fundamental. Nicolai apresenta-nos o algoritmo ByteTrack, conhecido pela sua precisão e fiabilidade. Além disso, destaca a versatilidade do Ultralytics YOLOv8 ao mencionar rastreadores alternativos, como o BoTSort, que respondem a diversos requisitos de rastreamento.
Inferência em tempo real#
Com o modelo e o rastreador configurados, está na hora de ver o Ultralytics YOLOv8 em ação. Neste tutorial, vemos o programa a funcionar numa demonstração em direto de deteção e rastreamento de objetos com um vídeo pré-gravado. Os resultados são impressionantes, com cada objeto a receber um identificador exclusivo para facilitar o rastreamento.

Fig. 1. Nicolai Nielsen a demonstrar o funcionamento interno da deteção e do rastreamento de objetos com Ultralytics YOLOv8.
Testes com webcam em direto#
Para levar a demonstração mais longe, vemos como é possível mudar para uma transmissão em direto da webcam e demonstrar as capacidades de rastreamento em tempo real. Desde a deteção de pessoas à identificação de objetos, o Ultralytics YOLOv8 mantém a consistência do rastreamento, mesmo com movimentos da câmara e oclusões.
Rastreamento de objetos em várias transmissões#
O rastreamento de objetos em várias transmissões de vídeo com multithreading é ideal para processar vários fluxos de câmaras de vigilância. Com o módulo de threading do Python e o Ultralytics YOLOv8, cada thread gere uma instância de rastreador separada, permitindo um processamento eficiente em segundo plano. Esta funcionalidade é útil e desempenha um papel importante nas análises avançadas.
Aplicações práticas#
À medida que a demonstração avança, Nicolai destaca a relevância prática da deteção e do rastreamento de objetos. Desde o setor da saúde à agricultura e à indústria transformadora, as aplicações são amplas e variadas. Também salienta a importância de integrar funcionalidades de rastreamento com a deteção para melhorar a eficiência e a precisão.
Encerramento#
Em conclusão, as inúmeras aplicações da deteção e do rastreamento de objetos permitem soluções flexíveis e criativas em qualquer setor. Junta-te a nós para desbloquear todo o potencial da visão computacional com Ultralytics YOLOv8. Sabe mais e assiste ao tutorial completo Assiste ao tutorial completo!
Fica atento e junta-te à nossa comunidade enquanto continuamos a explorar o panorama em constante evolução da inteligência artificial e da aprendizagem automática.










