Как использовать Ultralytics YOLO11 для отслеживания объектов

Допустим, ты хочешь контролировать и отслеживать перемещение компонентов на сборочной линии на производственном предприятии, чтобы обеспечить контроль качества и повысить эффективность рабочих процессов. Обычно это требует ручных проверок или использования простых датчиков для отслеживания объектов, что может занимать много времени и приводить к ошибкам. Однако компьютерное зрение и отслеживание объектов можно использовать для автоматизации и улучшения этого процесса.

Отслеживание объектов — это задача компьютерного зрения, которая помогает обнаруживать, идентифицировать и отслеживать объекты на видео. Ее можно применять в самых разных областях: от мониторинга животных на фермах до безопасности и видеонаблюдения в розничных магазинах. Отслеживаемые на видео объекты обычно визуализируются с помощью ограничивающих рамок, чтобы пользователь мог точно видеть, где они находятся и обнаружены внутри кадра.

Представленная на ежегодном гибридном мероприятии Ultralytics, YOLO Vision 2024 (YV24), модель Ultralytics YOLO11 — это модель компьютерного зрения, способная решать множество задач Vision AI, включая отслеживание объектов. В этой статье мы разберем, как работает отслеживание объектов, и обсудим реальные сценарии применения. Мы также посмотрим, как ты можешь попробовать отслеживание объектов с помощью YOLO11. Давай начнем!

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

Link to this sectionОтслеживание объектов с помощью ИИ и YOLO11#

Отслеживание объектов — это важная техника компьютерного зрения. Она позволяет идентифицировать объекты на 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 способе обработки кадров видео. Обнаружение объектов рассматривает каждый кадр индивидуально, идентифицируя и классифицируя объекты без учета предыдущих или будущих кадров. Отслеживание объектов, наоборот, связывает данные между кадрами, следуя за одними и теми же объектами во времени и контролируя их перемещения.

Вот более подробный обзор того, как работает отслеживание объектов:

• Обнаружение объектов: процесс начинается с поиска объектов в отдельном кадре видео. YOLO11 можно использовать для точной идентификации множества объектов и их местоположения.
• Назначение уникальных ID: каждому обнаруженному объекту присваивается уникальный ID, чтобы отличать его от других и упростить отслеживание.
• Отслеживание движения между кадрами: алгоритм отслеживания следует за объектами через последующие кадры, обновляя их позиции и сохраняя связь с их уникальными ID.
• Обработка окклюзий: если объект временно исчезает из вида (например, перекрывается другим объектом), система обеспечивает возобновление отслеживания, как только объект снова появляется.
• Обновление информации об объекте: по мере движения объектов их позиции и атрибуты (такие как скорость или направление) постоянно обновляются, отражая изменения во времени.

Ultralytics поддерживает отслеживание объектов в реальном времени с помощью передовых алгоритмов, таких как BoT-SORT и ByteTrack. Он также бесшовно работает с сегментацией и оценкой позы в моделях YOLO11, что делает его гибким инструментом для широкого спектра задач отслеживания.

Link to this sectionПрименение отслеживания объектов с YOLO11#

Универсальные возможности модели Ultralytics YOLO11 открывают широкий спектр потенциальных применений во многих отраслях. Давай подробнее рассмотрим некоторые сценарии использования отслеживания объектов в YOLO11.

Link to this sectionYOLO11 для отслеживания автономных транспортных средств#

Отслеживание объектов имеет решающее значение для безопасной и эффективной работы беспилотных автомобилей. Эти транспортные средства должны постоянно понимать окружающую обстановку, чтобы принимать решения в реальном времени, например, останавливаться, поворачивать или менять полосу движения. Обнаружение объектов позволяет автомобилю идентифицировать ключевые элементы среды, такие как пешеходы, велосипедисты, другие машины и дорожные знаки. Однако простого обнаружения этих объектов в конкретный момент недостаточно для безопасной навигации.

Здесь на помощь приходит отслеживание объектов. Оно позволяет автомобилю следить за ними во времени, контролируя их перемещение по нескольким кадрам. Например, это помогает беспилотным автомобилям предсказывать путь пешехода, следить за скоростью и направлением соседних машин или распознавать, что сигнал светофора не изменился. Объединяя обнаружение и отслеживание, беспилотные автомобили могут предугадывать движение объектов вокруг, реагировать проактивно и двигаться безопасно и плавно.

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

Link to this sectionИспользование отслеживания объектов YOLO11 для мониторинга животных#

Отслеживание животных на ферме, например, крупного рогатого скота, жизненно важно для эффективного управления, но это может быть утомительной и долгой задачей. Традиционные методы, такие как использование датчиков или бирок, часто имеют недостатки. Эти устройства могут вызывать стресс у животных, а также склонны отпадать или повреждаться, что нарушает процесс отслеживания.

Компьютерное зрение предлагает лучшее решение для фермеров, позволяя отслеживать животных без использования физических бирок. Отслеживание объектов может дать фермерам ценную информацию о поведении и здоровье животных. Например, это помогает выявить такие состояния, как хромота, влияющая на походку животного. Используя отслеживание объектов, фермеры могут замечать тонкие изменения в движениях и заранее решать проблемы со здоровьем.

Помимо контроля здоровья, компьютерное зрение также помогает фермерам лучше понимать другие аспекты поведения, например, социальные взаимодействия, привычки в еде и паттерны перемещения. Эти данные помогают улучшить управление стадом, оптимизировать графики кормления и поддерживать общее благополучие животных. Снижая объем ручного труда и минимизируя стресс для животных, отслеживание на базе компьютерного зрения становится практичным и эффективным инструментом современного фермерства.

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

Link to this sectionОтслеживание объектов на производстве с помощью YOLO11#

У отслеживания объектов много сценариев применения в производственном секторе. Например, системы обнаружения и отслеживания объектов могут контролировать производственные линии. Продукцию или сырье можно легко отслеживать и подсчитывать по мере их движения по конвейерной ленте. Эти системы также можно интегрировать с другими системами компьютерного зрения для выполнения дополнительных задач. Например, дефектный товар можно идентифицировать с помощью системы обнаружения дефектов и отслеживать через систему трекинга, чтобы убедиться, что он вовремя изъят из процесса.

Еще одно важное применение отслеживания объектов на производстве связано с безопасностью. Системы отслеживания объектов могут использоваться для обнаружения и мониторинга рабочих в потенциально опасных производственных зонах. Опасные области можно обозначать и постоянно контролировать с помощью систем компьютерного зрения, а супервайзеры получат уведомление, если отслеживаемые рабочие приблизятся к таким зонам. Такие системы безопасности также можно использовать для обнаружения и отслеживания оборудования, что предотвращает риск кражи.

Рис. 4. Пример использования обнаружения объектов YOLO11 для поиска рабочих.

Link to this sectionОтслеживание объектов и видеонаблюдение с YOLO11#

Отслеживание объектов в реальном времени широко используется в системах безопасности и видеонаблюдения. Такие системы применяются для мониторинга общественных мест, транспортных узлов и крупных торговых площадок, таких как торговые центры. В местах большого скопления людей эта технология помогает отслеживать подозрительных лиц или поведение толпы, предоставляя бесшовное решение для наблюдения. Например, во время пандемии системы отслеживания объектов использовались для контроля многолюдных зон и обеспечения соблюдения социальной дистанции.

Отслеживание объектов также применяется в мониторинге дорожного движения. Оно позволяет анализировать поведение транспортных средств, выявляя необычные или подозрительные действия в реальном времени для предотвращения аварий или преступлений. Хороший пример — системы оценки скорости. Они могут обнаружить и отследить транспортное средство, чтобы определить его скорость.

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

Link to this sectionПопробуй отслеживание объектов с Ultralytics YOLO11#

Теперь, когда мы изучили несколько сценариев применения, давай обсудим, как ты можешь попробовать отслеживание объектов с помощью модели Ultralytics YOLO11.

Чтобы начать, установи Python-пакет Ultralytics через pip, conda или Docker. Если возникнут сложности при установке, наше руководство по распространенным проблемам предложит полезные советы по устранению неполадок.

Как только ты успешно установишь пакет, запусти следующий код. Он показывает, как загрузить модель Ultralytics YOLO11 и использовать ее для отслеживания объектов в видеофайле. В коде используется модель «yolo11n.pt». «n» означает Nano — самый маленький вариант модели YOLO11. Есть и другие варианты моделей: small, medium, large и extra-large.

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

Ты также можешь использовать свою собственную обученную модель вместо предобученной. Пользовательское обучение включает в себя тонкую настройку предобученной модели под конкретную задачу.

Как упоминалось ранее, отслеживание объектов поддерживается для следующих моделей YOLO11: обнаружение объектов, оценка позы и сегментация экземпляров. Если у тебя есть специфическая задача по отслеживанию, ты можешь дообучить любую из этих моделей. Сделать это можно с помощью Python-пакета Ultralytics или платформы без написания кода, Ultralytics HUB.

Link to this sectionОсновные выводы#

Ultralytics YOLO11 — отличный инструмент для отслеживания объектов на видео, который можно использовать во многих областях: от беспилотных автомобилей до сельского хозяйства, производства и безопасности. Модель обнаруживает и сопровождает объекты в реальном времени, помогая бизнесу и индустриям контролировать персонал и оборудование. Модель проста в использовании и может быть настроена под твои специфические нужды, что делает ее отличным вариантом для каждого, кто хочет бесшовно внедрить возможности компьютерного зрения.

Чтобы узнать больше, посети наш репозиторий GitHub и присоединяйся к нашему сообществу. Изучи применение ИИ в самоуправляемых автомобилях и сельском хозяйстве на наших страницах решений. 🚀