Как использовать Ultralytics YOLO11 для отслеживания объектов

Допустим, тебе нужно контролировать и отслеживать перемещение компонентов на конвейере на производственном предприятии для обеспечения контроля качества и повышения эффективности рабочих процессов. Обычно для этого требуются ручные проверки или базовые датчики, что может отнимать много времени и приводить к ошибкам. Однако компьютерное зрение и трекинг объектов позволяют автоматизировать и улучшить этот процесс.

Трекинг объектов — это задача компьютерного зрения, которая помогает обнаруживать, идентифицировать и отслеживать объекты на видео. Она находит применение в самых разных сферах: от наблюдения за животными на фермах до безопасности и видеонаблюдения в розничной торговле. Отслеживаемые объекты на видео обычно визуализируются с помощью ограничивающих рамок, помогая пользователю точно видеть их местоположение в кадре.

Представленная на ежегодном гибридном мероприятии Ultralytics, YOLO Vision 2024 (YV24), модель Ultralytics YOLO11 представляет собой модель компьютерного зрения, способную решать самые разные задачи ИИ в сфере зрения, включая трекинг объектов. В этой статье мы рассмотрим, как работает трекинг объектов, и обсудим сценарии его применения в реальном мире. Мы также покажем, как протестировать трекинг объектов с помощью YOLO11. Давай начнем!

Рис. 1. Пример использования Ultralytics YOLO11 для трекинга объектов в магазине.

Трекинг объектов на базе ИИ с Ultralytics YOLO11#

Трекинг объектов — это важнейший метод компьютерного зрения. Он позволяет идентифицировать объекты на видео и отслеживать их с течением времени. Трекинг объектов может казаться очень похожим на другую задачу компьютерного зрения — обнаружение объектов. Главное различие между ними заключается в том, как они работают с кадрами видео. Обнаружение объектов анализирует каждый кадр по отдельности, определяя и классифицируя объекты без учета предыдущих или будущих кадров. Трекинг объектов, напротив, связывает кадры воедино, сопровождая одни и те же объекты с течением времени и отслеживая их перемещения.

Вот более подробный обзор того, как работает трекинг объектов:

• Обнаружение объектов: Процесс начинается с обнаружения объектов в отдельном кадре видео. YOLO11 можно использовать для точного определения множества объектов и их местоположений.
• Назначение уникальных ID: каждому обнаруженному объекту присваивается уникальный ID, чтобы отличать его от других и упростить отслеживание.
• Отслеживание движения между кадрами: Алгоритм трекинга следует за объектами в последующих кадрах, обновляя их координаты 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 трекинг объектов в реальном времени за счет использования продвинутых алгоритмов трекинга, таких как BoT-SORT и ByteTrack. Он также бесшовно работает с моделями YOLO11 для сегментации и оценки позы, что делает его гибким инструментом для широкого спектра задач трекинга.

Применение трекинга объектов Ultralytics YOLO11#

Универсальные возможности модели Ultralytics YOLO11 открывают широкий спектр возможных применений во многих отраслях. Давай поближе познакомимся с некоторыми сценариями использования трекинга объектов в YOLO11.

Ultralytics YOLO11 для трекинга автономных транспортных средств#

Трекинг объектов критически важен для безопасной и эффективной работы автономных автомобилей. Этим транспортным средствам необходимо постоянно понимать свое окружение, чтобы принимать решения в реальном времени, такие как остановка, поворот или смена полосы движения. Обнаружение объектов позволяет машине распознавать ключевые элементы в своей среде, например пешеходов, велосипедистов, другие транспортные средства и дорожные знаки. Однако обнаружения этих объектов в отдельный момент времени недостаточно для безопасного вождения.

Здесь на помощь приходит трекинг объектов. Он позволяет машине следовать за этими объектами с течением времени, отслеживая их перемещения по нескольким кадрам. Например, это помогает автономным транспортным средствам предсказывать траекторию движения пешехода, контролировать скорость и направление соседних машин или определять, что сигнал светофора не изменился. Объединяя обнаружение и трекинг, самоуправляемые автомобили могут предвидеть перемещения объектов вокруг себя, действовать на опережение и ехать плавно и безопасно.

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, жизненно важно для эффективного управления, но может оказаться утомительным и трудоемким занятием. Традиционные методы, такие как датчики или бирки, часто имеют недостатки. Эти устройства могут вызывать у животных стресс при прикреплении, а также склонны падать или повреждаться, что нарушает процесс трекинга.

Компьютерное зрение предоставляет фермерам лучшее решение для мониторинга и отслеживания животных без необходимости использования физических бирок. Трекинг объектов может дать фермерам ценную информацию о поведении и здоровье животных. Например, это помогает выявлять такие состояния, как хромота, которые влияют на походку животного. Используя трекинг объектов, фермеры могут замечать тонкие изменения в движении и вовремя решать проблемы со здоровьем.

Помимо мониторинга здоровья, компьютерное зрение также помогает фермерам понимать и другие аспекты поведения, такие как социальные взаимодействия, пищевые привычки и паттерны перемещения. Эти данные позволяют улучшить управление стадом, оптимизировать график кормления и способствовать общему благополучию животных. Снижая объем ручного труда и минимизируя стресс для животных, трекинг на базе компьютерного зрения становится практичным и эффективным инструментом в современном сельском хозяйстве.

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

Отслеживание объектов в производстве с использованием Ultralytics YOLO11#

У трекинга объектов множество вариантов использования в производственном секторе. Например, системы обнаружения и трекинга объектов могут контролировать производственные линии. Продукцию или сырье можно легко отслеживать и считать по мере их движения по конвейерной ленте. Эти системы также могут быть интегрированы с другими системами компьютерного зрения для выполнения дополнительных задач. Например, дефектное изделие можно выявить с помощью системы обнаружения дефектов и сопровождать с помощью трекинга объектов, чтобы с ним вовремя разобрались.

Другим важным применением трекинга объектов в производстве является безопасность. Системы трекинга объектов можно применять для обнаружения и отслеживания работников в потенциально опасных производственных зонах. Опасные участки можно пометить и постоянно контролировать с помощью систем компьютерного зрения, а супервайзеров можно уведомить, если отслеживаемые работники приблизятся к таким зонам. Такие системы безопасности также используются для обнаружения и отслеживания оборудования, предотвращая вероятность кражи.

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

Отслеживание объектов и видеонаблюдение с использованием Ultralytics YOLO11#

Трекинг объектов в реальном времени широко применяется в системах безопасности и видеонаблюдения. Эти системы можно использовать для мониторинга общественных мест, транспортных узлов и крупных торговых объектов, таких как торговые центры. В больших многолюдных зонах эта технология позволяет отслеживать подозрительных лиц или поведение толпы, обеспечивая комплексное решение для видеонаблюдения. Например, во время пандемии системы трекинга объектов использовались для контроля скоплений людей и проверки того, соблюдают ли они социальную дистанцию.

Трекинг объектов также применяется и в дорожном видеонаблюдении. Он позволяет отслеживать и анализировать поведение транспортных средств, выявляя необычные или подозрительные действия в реальном времени для предотвращения аварий или правонарушений. Ярким примером являются системы оценки скорости. Они могут обнаруживать и отслеживать транспортное средство для определения его скорости.

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

Попробуй отслеживание объектов с Ultralytics YOLO11#

Теперь, когда мы рассмотрели некоторые варианты применения трекинга объектов, давай обсудим, как ты можешь протестировать его с помощью модели Ultralytics YOLO11.

Чтобы начать работу, установи пакет Python от Ultralytics с помощью pip, conda или Docker. Если ты столкнешься с какими-либо трудностями при установке, наше Руководство по общим проблемам предложит полезные советы по устранению неполадок.

Успешно установив пакет, запусти следующий код. В нем описано, как загрузить модель Ultralytics YOLO11 и использовать ее для трекинга объектов в видеофайле. В коде используется модель “yolo11n.pt”. Буква «n» означает Nano — самый маленький вариант модели YOLO11. На выбор также доступны и другие варианты моделей: small, medium, large и extra-large.

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

Ты также можешь использовать модель пользовательского обучения вместо предобученной модели. Пользовательское обучение включает в себя тонкую настройку предобученной модели под твою конкретную задачу.

Как упоминалось ранее, трекинг объектов поддерживается для следующих моделей YOLO11: обнаружение объектов, оценка позы и сегментация экземпляров. Если у тебя есть конкретная задача, связанная с трекингом, ты можешь настроить под нее любую из этих моделей. Выполнить пользовательское обучение модели можно с помощью пакета Python от Ultralytics или платформы без кода — Ultralytics HUB.

Основные 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, посетите наш репозиторий на GitHub и присоединяйтесь к нашему сообществу. Изучите приложения ИИ в беспилотных автомобилях и сельском хозяйстве на наших страницах решений. 🚀