Как использовать Ultralytics YOLO11 для отслеживания объектов

Представь, что тебе нужно отслеживать перемещение компонентов на сборочной линии на производственном предприятии, чтобы обеспечить контроль качества и повысить эффективность рабочего процесса. Обычно для этого проводят ручные проверки или используют базовые датчики для отслеживания объектов, что может занимать много времени и приводить к ошибкам. Однако компьютерное зрение и отслеживание объектов позволяют автоматизировать и улучшить этот процесс.

Отслеживание объектов — это задача компьютерного зрения, которая помогает обнаруживать, идентифицировать и отслеживать объекты в видео. Его можно использовать в самых разных сферах: от мониторинга животных на фермах до безопасности и наблюдения в розничных магазинах. Отслеживаемые объекты в видео обычно визуализируются с помощью ограничивающих рамок, чтобы пользователь мог точно видеть, где они находятся и обнаруживаются в кадре видео.

Представленная на ежегодном гибридном мероприятии Ultralytics — YOLO Vision 2024 (YV24) — Ultralytics YOLO11 представляет собой модель компьютерного зрения, способную решать широкий спектр задач ИИ для компьютерного зрения, включая отслеживание объектов. В этой статье мы рассмотрим, как работает отслеживание объектов, и обсудим его применение в реальных условиях. Также мы покажем, как попробовать отслеживание объектов с помощью YOLO11. Начнём!

Рис. 1. Пример использования Ultralytics YOLO11 для отслеживания объектов в розничном магазине.

Отслеживание объектов на базе ИИ с помощью Ultralytics YOLO11#

Отслеживание объектов — важный метод компьютерного зрения. Он позволяет идентифицировать объекты в видео и отслеживать их с течением времени. Отслеживание объектов может показаться очень похожим на другую задачу компьютерного зрения — обнаружение объектов. Ключевое различие между ними заключается в обработке кадров видео. Обнаружение объектов анализирует каждый кадр отдельно, идентифицируя и классифицируя объекты без учёта предыдущих или последующих кадров. Отслеживание объектов, напротив, связывает кадры между собой, отслеживая одни и те же объекты с течением времени и фиксируя их перемещения.

Ниже подробно описано, как работает отслеживание объектов:

• Обнаружение объектов: процесс начинается с обнаружения объектов в одном кадре видео. YOLO11 можно использовать для точного определения нескольких объектов и их местоположения.
• Назначение уникальных идентификаторов: каждому обнаруженному объекту присваивается уникальный идентификатор, чтобы отличать его от других и упростить отслеживание.
• Отслеживание перемещения между кадрами: алгоритм отслеживания следует за объектами в последующих кадрах, обновляя их положение и сохраняя связь с уникальными идентификаторами.
• Обработка перекрытий: если объект временно исчезает из поля зрения (например, его закрывает другой объект), система обеспечивает возобновление отслеживания после его повторного появления.
• Обновление информации об объекте: по мере перемещения объектов их положение и характеристики (например, скорость или направление) непрерывно обновляются с учётом изменений во времени.

Ultralytics поддерживает отслеживание объектов в реальном времени благодаря передовым алгоритмам отслеживания, таким как BoT-SORT и ByteTrack. Он также без проблем работает с сегментацией и оценкой позы моделей YOLO11, что делает его гибким инструментом для широкого спектра задач отслеживания.

Применение отслеживания объектов Ultralytics YOLO11#

Универсальные возможности модели Ultralytics YOLO11 открывают широкий спектр вариантов применения во многих отраслях. Рассмотрим подробнее некоторые сценарии использования YOLO11 для отслеживания объектов.

Ultralytics YOLO11 для отслеживания объектов автономными транспортными средствами#

Отслеживание объектов крайне важно для безопасной и эффективной работы беспилотных автомобилей. Эти транспортные средства должны постоянно понимать, что происходит вокруг, чтобы принимать решения в реальном времени: останавливаться, поворачивать или перестраиваться. Обнаружение объектов позволяет автомобилю распознавать ключевые элементы окружающей среды, такие как пешеходы, велосипедисты, другие транспортные средства и дорожные знаки. Однако для безопасной навигации недостаточно обнаружить эти объекты в один момент.

Здесь и применяется отслеживание объектов. Оно позволяет автомобилю наблюдать за объектами с течением времени и отслеживать их перемещение в нескольких кадрах. Например, оно помогает автономным транспортным средствам предсказывать направление движения пешехода, контролировать скорость и направление близлежащих автомобилей или распознавать, что светофор ещё не сменил сигнал. Объединяя обнаружение и отслеживание, беспилотные автомобили могут предвидеть перемещение окружающих объектов, действовать упреждающе и двигаться безопасно и плавно.

Рис. 2. Ultralytics YOLO11 можно использовать для обнаружения и отслеживания автомобилей.

Использование отслеживания объектов Ultralytics YOLO11 для мониторинга животных#

Отслеживание животных на ферме, например крупного рогатого скота, крайне важно для эффективного управления, но может быть утомительной и трудоёмкой задачей. Традиционные методы, такие как использование датчиков или меток, часто имеют недостатки. Эти устройства могут вызывать стресс у животных при установке, а также часто отрываются или повреждаются, что нарушает отслеживание.

Компьютерное зрение предоставляет фермерам эффективное решение для мониторинга и отслеживания животных без физических меток. Отслеживание объектов может дать фермерам ценную информацию о поведении и состоянии здоровья животных. Например, оно помогает обнаруживать такие состояния, как хромота, влияющая на походку животного. Используя отслеживание объектов, фермеры могут замечать незначительные изменения в движениях и своевременно реагировать на проблемы со здоровьем.

Помимо мониторинга здоровья, компьютерное зрение также помогает фермерам понимать другие особенности поведения, например социальное взаимодействие, пищевые привычки и характер перемещений. Эти сведения могут улучшить управление стадом, оптимизировать графики кормления и повысить общее благополучие животных. Сокращая объём ручного труда и минимизируя стресс животных, отслеживание на основе компьютерного зрения становится практичным и эффективным инструментом современного сельского хозяйства.

Рис. 3. Использование Ultralytics YOLO11 для отслеживания фермеров и коровы.

Отслеживание объектов в производстве с помощью Ultralytics YOLO11#

Отслеживание объектов имеет множество вариантов применения в производственном секторе. Например, системы обнаружения и отслеживания объектов могут контролировать производственные линии. Продукты или сырьё можно легко отслеживать и подсчитывать по мере их перемещения по конвейеру. Такие системы также можно интегрировать с другими системами компьютерного зрения для выполнения дополнительных задач. Например, дефектный продукт можно обнаружить с помощью системы обнаружения дефектов, а затем отслеживать с помощью отслеживания объектов, чтобы обеспечить его надлежащую обработку.

Ещё одно важное применение отслеживания объектов в производстве связано с безопасностью. Системы отслеживания объектов можно использовать для обнаружения и отслеживания работников в потенциально опасных производственных условиях. Опасные зоны можно постоянно размечать и контролировать с помощью систем компьютерного зрения, а руководителей можно уведомлять, если отслеживаемые работники приближаются к таким зонам. Такие системы безопасности также можно использовать для обнаружения и отслеживания оборудования, предотвращая кражи.

Рис. 4. Пример использования обнаружения объектов YOLO11 для обнаружения работников.

Отслеживание объектов и наблюдение с помощью Ultralytics YOLO11#

Отслеживание объектов в реальном времени широко используется в системах безопасности и наблюдения. Такие системы можно применять для мониторинга общественных мест, транспортных узлов и крупных розничных объектов, например торговых центров. В больших людных местах эту технологию можно использовать для отслеживания подозрительных людей или поведения толпы, обеспечивая бесперебойное наблюдение. Например, во время пандемии системы отслеживания объектов использовались для контроля людных мест и проверки соблюдения людьми социальной дистанции.

Отслеживание объектов также можно использовать для наблюдения за дорожным движением. Оно позволяет отслеживать и анализировать поведение транспортных средств, выявляя необычные или подозрительные действия в реальном времени и помогая предотвращать аварии или преступления. Хороший пример — системы оценки скорости. Они могут обнаруживать и отслеживать транспортное средство, чтобы определить его скорость.

Рис. 5. Оценку скорости можно выполнять с помощью отслеживания объектов.

Попробуй отслеживание объектов с помощью Ultralytics YOLO11#

Теперь, когда мы рассмотрели некоторые варианты применения отслеживания объектов, обсудим, как попробовать эту функцию с помощью модели Ultralytics YOLO11.

Чтобы начать работу, установи пакет Ultralytics для Python с помощью pip, conda или Docker. Если во время установки возникнут проблемы, ознакомься с нашим руководством по распространённым проблемам, где приведены полезные советы по их устранению.

После успешной установки пакета выполни следующий код. Он показывает, как загрузить модель Ultralytics YOLO11 и использовать её для отслеживания объектов в видеофайле. В коде используется модель «yolo11n.pt». Буква «n» означает Nano — наименьший вариант модели YOLO11. Также доступны другие варианты модели: small, medium, large и extra-large.

Рис. 6. Фрагмент кода, демонстрирующий отслеживание объектов с помощью модели Ultralytics YOLO11.

Ты также можешь использовать модель, обученную на собственных данных, вместо предварительно обученной модели. Обучение пользовательской модели включает тонкую настройку предварительно обученной модели под твоё конкретное приложение.

Как упоминалось ранее, отслеживание объектов поддерживается следующими моделями YOLO11: для обнаружения объектов, оценки позы и сегментации экземпляров. Если у тебя есть конкретное приложение с отслеживанием, ты можешь обучить любую из этих моделей на собственных данных в зависимости от своих задач. Обучить модель на собственных данных можно с помощью пакета Ultralytics для Python или платформы без кода Ultralytics HUB.

Основные выводы#

Ultralytics YOLO11 — отличный инструмент для отслеживания объектов в видео, который можно использовать во множестве сфер, включая беспилотные автомобили, сельское хозяйство, производство и безопасность. Он обнаруживает и отслеживает объекты в реальном времени, помогая компаниям и отраслям контролировать своих работников и оборудование. Модель проста в использовании и может адаптироваться под конкретные задачи, что делает её хорошим выбором для всех, кто хочет легко внедрить возможности компьютерного зрения.

Чтобы узнать больше, посетите наш репозиторий GitHub и присоединяйся к нашему сообществу. Изучи применения AI в беспилотных автомобилях и сельском хозяйстве на страницах наших решений. 🚀