Hướng dẫn theo dõi đối tượng chuyển động trong video bằng các model Ultralytics YOLO

Robot có thể lắp ráp linh kiện điện, hệ thống phát hiện ô tô chạy quá tốc độ và giải pháp bán lẻ thông minh theo dõi cách khách hàng mua sắm — tất cả những đổi mới này đều dựa trên thị giác máy tính. Đây là một nhánh của trí tuệ nhân tạo (AI), giúp máy móc phân tích và hiểu hình ảnh cũng như video.

Ví dụ, robot cần nhận diện và theo dõi các bộ phận khác nhau để lắp ráp chúng chính xác. Tương tự, hệ thống giao thông có thể dùng thị giác máy tính để nhận diện ô tô, đọc biển số và xác định xe có đang chạy quá tốc độ hay không. Trong khi đó, tại cửa hàng, Vision AI có thể giúp theo dõi những gì khách hàng đang xem hoặc chọn mua, đồng thời giám sát hàng tồn kho.

Các ứng dụng như vậy được hỗ trợ bởi những model thị giác máy tính như Ultralytics YOLO11, vốn hỗ trợ nhiều tác vụ hình ảnh. Nhiều tác vụ trong số này tập trung vào việc thu thập thông tin từ một hình ảnh đơn lẻ, nhưng một tác vụ đặc biệt thú vị là theo dõi đối tượng, có thể được dùng để theo dõi chuyển động của các vật thể qua một chuỗi ảnh hoặc khung hình video.

Hình 1. Ví dụ về phát hiện và theo dõi ô tô.

Trong hướng dẫn này, chúng ta sẽ tìm hiểu kỹ hơn cách thức hoạt động của việc theo dõi đối tượng và khám phá các ví dụ thực tế về cách ứng dụng. Chúng ta cũng sẽ thảo luận về cách các model vision AI như Ultralytics YOLO11 hỗ trợ theo dõi đối tượng.

Tìm hiểu kỹ hơn về các hệ thống theo dõi bằng thị giác máy tính#

Theo dõi đối tượng là một tác vụ thị giác máy tính dùng để theo dõi chuyển động của các vật thể qua các khung hình video, giúp hệ thống giám sát và hiểu cách mọi thứ thay đổi theo thời gian. Điều này rất giống với khả năng tự nhiên của con người khi dùng mắt theo dõi một người hoặc vật thể đang chuyển động, chẳng hạn như khi xem một trận tennis và mắt bạn dõi theo quả bóng di chuyển qua lại trên sân.

Tương tự, việc theo dõi đối tượng sử dụng camera và AI để theo dõi chuyển động của quả bóng theo thời gian thực. Công nghệ này có thể giúp khán giả ở nhà hiểu rõ hơn diễn biến trận đấu, đặc biệt thông qua các phân tích như tốc độ, quỹ đạo và vị trí của người chơi.

Mặc dù kiểu theo dõi hình ảnh này có vẻ dễ dàng đối với con người, nhưng trong thị giác máy, quy trình này gồm một chuỗi bước được hỗ trợ bởi các model Vision AI. Dưới đây là giải thích đơn giản về cách hoạt động của việc theo dõi đối tượng:

• Ghi hình video: Camera ghi lại video, ghi nhận cách các vật thể di chuyển trong cảnh theo thời gian.
• Phát hiện đối tượng: Các model thị giác máy tính ứng dụng AI như YOLO11 có thể phân tích từng khung hình để nhận diện và định vị các đối tượng cụ thể như người, phương tiện hoặc sản phẩm.
• Gán danh tính: Sau khi phát hiện một đối tượng, các thuật toán tracking gán cho đối tượng đó một ID duy nhất để theo dõi qua nhiều frame, đảm bảo hệ thống nhận biết đó vẫn là cùng một đối tượng ngay cả khi đối tượng di chuyển.
• Giám sát chuyển động: Hệ thống theo dõi chuyển động theo thời gian; dữ liệu này có thể được dùng để thu thập thông tin như tốc độ, hướng di chuyển và tương tác với các đối tượng khác.
• Tạo thông tin chuyên sâu: Thông tin này có thể được sử dụng theo thời gian thực để cung cấp phân tích, hỗ trợ ra quyết định hoặc tạo lớp phủ trực quan, tùy theo trường hợp sử dụng cụ thể.

So sánh phát hiện và tracking đối tượng bằng YOLO#

Một tác vụ thị giác máy tính khác được Ultralytics YOLO11 hỗ trợ và có liên quan mật thiết đến tracking đối tượng là phát hiện đối tượng. Hãy cùng tìm hiểu sự khác biệt giữa hai tác vụ này.

Phát hiện đối tượng là việc xác định và định vị các đối tượng quan tâm trong một ảnh hoặc frame video. Ví dụ: xe tự lái dùng tính năng phát hiện đối tượng để nhận biết biển báo dừng hoặc người đi bộ trong một frame duy nhất do camera trên xe ghi lại. Tác vụ này trả lời câu hỏi: “Trong ảnh này có gì và ở đâu?” Tuy nhiên, tác vụ này không cung cấp thông tin về hướng di chuyển tiếp theo của đối tượng.

Tracking đối tượng mở rộng tính năng phát hiện đối tượng bằng cách bổ sung khả năng hiểu chuyển động theo thời gian. Điểm khác biệt chính giữa hai tác vụ là cách chúng xử lý thời gian và chuyển động. Phát hiện đối tượng xem mỗi frame là một ảnh chụp độc lập, trong khi tracking đối tượng kết nối các điểm giữa các frame, sử dụng dữ liệu trước đó để dự đoán vị trí tương lai của đối tượng.

Kết hợp cả hai, chúng ta có thể xây dựng các hệ thống AI thị giác mạnh mẽ, có khả năng tracking theo thời gian thực trong môi trường năng động. Chẳng hạn, một hệ thống an ninh tự động có thể phát hiện người đi vào một khu vực và liên tục theo dõi chuyển động của họ xuyên suốt frame.

Tracking theo thời gian thực bằng các model Ultralytics YOLO#

Giờ đây, sau khi đã tìm hiểu sự khác biệt giữa phát hiện và tracking đối tượng, hãy cùng xem các model Ultralytics YOLO như YOLO11 hỗ trợ tracking đối tượng theo thời gian thực như thế nào.

Các model YOLO bản thân không phải là thuật toán tracking, nhưng đóng vai trò thiết yếu trong việc phát hiện đối tượng ở từng frame video. Sau khi phát hiện đối tượng, cần có thuật toán tracking để gán ID duy nhất cho chúng, cho phép hệ thống theo dõi chuyển động của chúng từ frame này sang frame khác.

Để đáp ứng nhu cầu này, gói Python Ultralytics tích hợp phát hiện đối tượng với các thuật toán theo dõi phổ biến như BoT-SORT và ByteTrack. Tích hợp này cho phép người dùng chạy đồng thời phát hiện và theo dõi với quy trình thiết lập tối thiểu.

Khi sử dụng các model YOLO để theo dõi đối tượng, bạn có thể chọn thuật toán theo dõi cần áp dụng dựa trên yêu cầu của ứng dụng. Ví dụ, BoT-SORT phù hợp để theo dõi các đối tượng di chuyển khó đoán nhờ sử dụng dự đoán chuyển động và deep learning. Trong khi đó, ByteTrack hoạt động đặc biệt tốt trong những cảnh đông đúc, duy trì khả năng theo dõi đáng tin cậy ngay cả khi đối tượng bị mờ hoặc che khuất một phần.

Hình 2. Gói Python Ultralytics tích hợp BoT-SORT và ByteTrack.

Huấn luyện model YOLO tùy chỉnh liên quan thế nào đến tracking đối tượng?#

Huấn luyện tùy chỉnh là quá trình tinh chỉnh một model phát hiện đối tượng đã được huấn luyện trước, chẳng hạn Ultralytics YOLO11, trên một tập dữ liệu cụ thể để model có thể nhận diện các đối tượng không có trong tập dữ liệu tiêu chuẩn. Điều này đặc biệt quan trọng khi hệ thống theo dõi cần bám theo các đối tượng tùy chỉnh hoặc ít gặp.

Hệ thống tracking dựa vào model phát hiện để nhận diện đối tượng trước tiên. Nếu model YOLO không thể phát hiện một đối tượng cụ thể, chẳng hạn một loại máy móc hoặc loài động vật hoang dã nhất định, thuật toán tracking sẽ không thể theo dõi đối tượng đó.

Đó là lý do huấn luyện tùy chỉnh rất cần thiết: quá trình này đảm bảo model phát hiện có thể xác định chính xác các đối tượng bạn muốn tracking.

Cũng cần lưu ý rằng trong quá trình này, chỉ model phát hiện được tinh chỉnh. Các thuật toán theo dõi như BoT-SORT hoặc ByteTrack không được huấn luyện tùy chỉnh; chúng chỉ sử dụng đầu ra từ model YOLO để theo dõi các đối tượng đã phát hiện qua các khung hình.

Ứng dụng tracking đối tượng với Ultralytics YOLO#

Giờ đây, khi đã hiểu rõ hơn tracking đối tượng là gì và hoạt động ra sao, hãy cùng khám phá một số ứng dụng thực tế mà công nghệ này đang tạo ra tác động.

Tracking theo thời gian thực bằng Ultralytics YOLO để ước tính tốc độ#

Các hệ thống ước tính tốc độ được hỗ trợ bởi thị giác máy tính phụ thuộc vào những tác vụ như phát hiện và tracking đối tượng. Các hệ thống này được thiết kế để tính tốc độ di chuyển của một đối tượng, dù đó là phương tiện, người đi xe đạp hay người đi bộ. Thông tin này rất quan trọng với nhiều ứng dụng, từ quản lý giao thông đến giám sát an toàn và tự động hóa công nghiệp.

Với model như Ultralytics YOLO11, có thể phát hiện và tracking đối tượng qua các frame video. Bằng cách phân tích quãng đường đối tượng di chuyển trong một khoảng thời gian cụ thể, hệ thống có thể ước tính tốc độ của đối tượng.

Hình 3. Sử dụng khả năng hỗ trợ tracking đối tượng của YOLO11 để ước tính tốc độ.

Tìm hiểu về tracking đối tượng trong lĩnh vực sản xuất#

Quy trình sản xuất có thể diễn ra nhanh và rất phức tạp, khiến việc theo dõi thủ công từng mặt hàng đang được sản xuất trở nên khó khăn. Tracking đối tượng là giải pháp hữu hiệu để tự động hóa việc giám sát sản phẩm khi chúng đi qua từng giai đoạn sản xuất. Công nghệ này có thể giúp nhà máy duy trì độ chính xác và hiệu quả cao mà không làm chậm quy trình.

Từ đếm sản phẩm trên băng chuyền đến phát hiện lỗi hoặc xác minh lắp ráp đúng cách, tracking đối tượng tăng khả năng quan sát và kiểm soát các tác vụ vốn tốn thời gian hoặc dễ xảy ra lỗi. Công nghệ này đặc biệt có tác động lớn trong các ngành sản xuất khối lượng lớn như chế biến thực phẩm, điện tử và đóng gói, nơi tốc độ và độ chính xác là yếu tố then chốt.

Hình 4. Ví dụ về tracking và đếm sản phẩm thực phẩm trên dây chuyền lắp ráp bằng Ultralytics YOLO11.

Tổng quan về tracking đối tượng trong phân tích bán lẻ#

Mỗi ngày, vô số khách hàng ra vào cửa hàng bán lẻ, và việc hiểu hành vi của họ là chìa khóa để cải thiện cả trải nghiệm khách hàng lẫn hiệu quả kinh doanh. Tracking đối tượng giúp nhà bán lẻ giám sát lưu lượng khách, đo thời gian khách lưu lại và phân tích mô hình di chuyển mà không cần phương pháp xâm phạm quyền riêng tư hay thao tác thủ công.

Bằng cách tracking từng người khi họ đi vào, đi ra và di chuyển khắp cửa hàng, doanh nghiệp có thể nắm được thông tin chuyên sâu về giờ cao điểm, khu vực được ưa chuộng và thậm chí cả độ dài hàng đợi. Những thông tin này có thể hỗ trợ quyết định về nhân sự, bố trí cửa hàng và sắp xếp hàng tồn kho, từ đó giúp hoạt động hiệu quả hơn và tăng doanh số.

Hình 5. Sử dụng khả năng tracking đối tượng của Ultralytics YOLO11 để giám sát người ra vào cửa hàng.

Ưu và nhược điểm của tracking đối tượng#

Từ cửa hàng bán lẻ đến sàn nhà máy, tracking đối tượng đang được ứng dụng trong nhiều ngành để cải thiện các yếu tố như hiệu quả, an toàn và trải nghiệm tổng thể. Sau đây là một số lợi ích chính mà tracking đối tượng có thể mang lại cho nhiều ngành:

• Cho phép cảnh báo theo thời gian thực: Có thể cấu hình các hệ thống tích hợp tracking đối tượng để tự động phát cảnh báo khi phát hiện điều bất thường, chẳng hạn như có người đi vào khu vực hạn chế hoặc một kiện hàng được để quá lâu tại một chỗ.
• Tích hợp với các hệ thống khác: Dữ liệu theo dõi đối tượng có thể kết hợp với các công nghệ khác như nhận diện khuôn mặt, camera nhiệt hoặc hệ thống quản lý kho để thu được thông tin chuyên sâu hơn.
• Tiết kiệm chi phí về lâu dài: Mặc dù việc thiết lập ban đầu có thể cần đầu tư, tracking tự động giúp giảm nhu cầu lao động thủ công, hạ tỷ lệ lỗi và cắt giảm chi phí vận hành theo thời gian.

Dù những lợi ích này cho thấy tracking đối tượng tác động tích cực đến nhiều trường hợp sử dụng, điều quan trọng là cần cân nhắc cả những thách thức trong quá trình triển khai. Hãy cùng xem xét kỹ hơn một số hạn chế của tracking đối tượng:

• Khó khăn trong môi trường đông đúc: Ở những nơi đông người như buổi hòa nhạc, trung tâm mua sắm hoặc đường phố, hệ thống tracking có thể khó phân biệt người hoặc vật ở gần nhau, dẫn đến nhầm lẫn hoặc kết quả không chính xác.
• Nhạy cảm với điều kiện môi trường: Ánh sáng yếu, sương mù, chuyển động nhanh hoặc rung camera có thể ảnh hưởng đến khả năng tracking đối tượng chính xác của hệ thống, đặc biệt trong môi trường ngoài trời hoặc không được kiểm soát.
• Quan ngại về quyền riêng tư và pháp lý: Việc xử lý dữ liệu cá nhân không phù hợp, thiếu sự đồng ý của người dùng hoặc giám sát ở nơi công cộng có thể gây ra vấn đề đạo đức và dẫn đến vi phạm luật bảo vệ quyền riêng tư.

Điểm chính cần ghi nhớ#

Tracking đối tượng là một tác vụ thị giác máy tính cho phép máy móc theo dõi chuyển động của đối tượng theo thời gian. Công nghệ này được sử dụng trong nhiều tình huống thực tế, từ ước tính tốc độ phương tiện và đếm sản phẩm trên dây chuyền lắp ráp đến phân tích chuyển động của vận động viên trong thể thao.

Nhờ các model vision AI như Ultralytics YOLO11 và những thuật toán theo dõi như BoT-SORT và ByteTrack, việc theo dõi đối tượng đã trở nên nhanh hơn, thông minh hơn và dễ tiếp cận hơn trong nhiều ngành. Khi công nghệ theo dõi đối tượng phát triển, công nghệ này đang giúp hệ thống trở nên thông minh, hiệu quả và phản hồi nhanh hơn, từng khung hình một.

Bạn muốn tìm hiểu thêm về thị giác máy tính và AI? Khám phá repository GitHub của chúng tôi, kết nối với cộng đồng của chúng tôi và xem các tùy chọn cấp phép để khởi động dự án thị giác máy tính của bạn. Nếu bạn đang tìm hiểu các đổi mới như AI trong sản xuất và thị giác máy tính trong ngành ô tô, hãy truy cập các trang giải pháp của chúng tôi để khám phá thêm.