Seguimento de objectos

O seguimento de objectos é uma tarefa fundamental na visão por computador (CV) que envolve a identificação e o seguimento de um ou mais objectos em movimento numa sequência de imagens de vídeo. Ao contrário da deteção de objectos, que localiza objectos numa única imagem, o seguimento de objectos acrescenta uma dimensão temporal, atribuindo uma identificação única a cada objeto e mantendo a sua identidade à medida que este se move, muda de aspeto ou é temporariamente ocluído. Esta capacidade permite uma compreensão mais profunda do comportamento, das interações e dos padrões de movimento dos objectos ao longo do tempo, o que a torna uma pedra angular de muitas aplicações de análise dinâmica de vídeo.

Como funciona o seguimento de objectos

O processo de rastreamento de objetos normalmente começa usando um modelo de deteção de objetos para identificar e localizar objetos no primeiro quadro de um vídeo. A cada objeto detectado é atribuído um ID de seguimento único. Nos fotogramas seguintes, o algoritmo de seguimento prevê as novas posições destes objectos e tenta combiná-las com objectos recentemente detectados. Este processo baseia-se em várias técnicas:

• Previsão de movimento: Algoritmos como o Filtro de Kalman (KF) são utilizados para estimar a posição futura de um objeto com base nos seus estados passados (localização, velocidade). Isto ajuda a restringir a área de pesquisa do objeto na imagem seguinte.
• Correspondência de aparência: envolve a extração de caraterísticas distintivas de um objeto, como histogramas de cor ou embeddings baseados em aprendizagem profunda. Estas caraterísticas criam uma assinatura única que ajuda a reidentificar o objeto mesmo após oclusão ou alterações significativas na aparência.
• Associação de dados: Este é o passo crucial para fazer corresponder as pistas existentes às novas detecções. Algoritmos como o algoritmo húngaro ou métodos mais avançados como o ByteTrack e o BoT-SORT tratam desta associação, mesmo em cenários complexos com muitos objectos.

Seguimento de objectos vs. Deteção de objectos

Embora intimamente relacionados, o seguimento e a deteção de objectos têm finalidades diferentes.

• Deteção de objectos: Este é o processo de identificação e classificação de objectos numa única imagem ou quadro de vídeo. O resultado é um conjunto de caixas delimitadoras, etiquetas de classe e pontuações de confiança para cada objeto. Responde à pergunta: "Que objectos estão neste fotograma?"
• Seguimento de objectos: Baseia-se na deteção de objectos. Pega nas detecções de cada fotograma e liga-as a toda a sequência de vídeo, atribuindo uma ID persistente a cada objeto. Responde à pergunta: "Para onde vai este objeto específico?"

Essencialmente, pode pensar-se na deteção de objectos como a captação de imagens instantâneas, enquanto o seguimento de objectos cria uma história contínua da viagem de cada objeto através do vídeo. Os modelos Ultralytics YOLO integram ambos na perfeição, permitindo aos utilizadores efetuar o seguimento de vários objectos com elevada eficiência e precisão.

Aplicações no mundo real

O seguimento de objectos é uma tecnologia transformadora com inúmeras aplicações em várias indústrias.

• Vigilância e segurança inteligentes: Na segurança, o seguimento de objectos é utilizado para monitorizar pessoas e veículos em tempo real. Um sistema pode ser configurado para seguir automaticamente uma pessoa que entra numa área restrita, seguir um veículo suspeito num parque de estacionamento ou contar o número de pessoas que entram e saem de um edifício. Isto permite alertas automáticos e análise forense sem supervisão humana constante. Por exemplo, um sistema de alarme de segurança pode ser construído para ser ativado quando uma pessoa é seguida a entrar numa zona predefinida fora de horas.
• Veículos autónomos: Para os veículos autónomos, a localização de outros veículos, peões e ciclistas é fundamental para uma navegação segura. Ao seguir os objectos circundantes, um veículo pode prever as suas trajectórias, compreender a sua intenção (por exemplo, um peão prestes a atravessar a rua) e tomar decisões informadas para evitar colisões. Este seguimento contínuo proporciona uma compreensão muito mais rica do ambiente do que a deteção de um único fotograma.
• Análise desportiva: Os treinadores e analistas utilizam o seguimento de objectos para monitorizar os movimentos dos jogadores no campo. Ao seguir cada jogador, podem analisar formações, medir métricas de desempenho como a distância percorrida e a velocidade, e desenvolver melhores estratégias de jogo. Isto pode ser combinado com a estimativa de pose para analisar a técnica do jogador em pormenor.
• Análise de retalho: Os retalhistas utilizam o rastreio para compreender o comportamento dos clientes nas lojas. Ao analisar os padrões de tráfego pedonal, os tempos de permanência em diferentes corredores e as interações com os produtos, as empresas podem otimizar a disposição das lojas e melhorar a experiência do cliente. Isto também pode ser utilizado para a gestão de filas de espera para reduzir os tempos de espera na caixa.

Ferramentas e implementação

A implementação de soluções robustas de seguimento de objectos está mais acessível do que nunca com ferramentas e estruturas modernas.

• Bibliotecas e estruturas: Bibliotecas como a OpenCV fornecem ferramentas fundamentais para o processamento de vídeo e incluem vários algoritmos clássicos de rastreamento. As estruturas modernas de aprendizagem profunda, como o PyTorch e o TensorFlow, são utilizadas para criar os poderosos modelos de deteção que servem de base ao rastreio.
• Modelos YOLO do Ultralytics: O Ultralytics simplifica a implementação do rastreamento de alto desempenho. Modelos como o YOLO11 vêm com recursos de rastreamento integrados e altamente otimizados que podem ser ativados com um simples comando. Essa integração permite que os desenvolvedores aproveitem a deteção de última geração para tarefas como objeto, segmentação de instância e rastreamento de pose. Pode começar rapidamente seguindo o guia de seguimento de objectos do YOLO11.
• Plataformas de ponta a ponta: Para gerenciar todo o ciclo de vida do aprendizado de máquina, desde a anotação de dados até a implantação do modelo, plataformas como o Ultralytics HUB oferecem um conjunto abrangente de ferramentas. Isso simplifica o processo de treinamento de modelos personalizados e sua implantação em ambientes de produção.