Bằng cách nhấp vào “Chấp nhận tất cả Cookie”, bạn đồng ý với việc lưu trữ cookie trên thiết bị của mình để tăng cường khả năng điều hướng trang web, phân tích việc sử dụng trang web và hỗ trợ các nỗ lực tiếp thị của chúng tôi. Thêm thông tin
Cài đặt Cookie
Bằng cách nhấp vào “Chấp nhận tất cả Cookie”, bạn đồng ý với việc lưu trữ cookie trên thiết bị của mình để tăng cường khả năng điều hướng trang web, phân tích việc sử dụng trang web và hỗ trợ các nỗ lực tiếp thị của chúng tôi. Thêm thông tin
Hãy tham gia cùng chúng tôi để xem xét kỹ hơn cách sử dụng Ultralytics YOLO11 để theo dõi đối tượng trong các ứng dụng thời gian thực như giám sát, nông nghiệp và sản xuất.
Giả sử bạn muốn theo dõi và track Việc di chuyển các linh kiện trên dây chuyền lắp ráp trong một cơ sở sản xuất nhằm đảm bảo kiểm soát chất lượng và cải thiện hiệu quả quy trình làm việc. Thông thường, việc này sẽ bao gồm kiểm tra thủ công hoặc sử dụng các cảm biến cơ bản để track Các mục này có thể tốn thời gian và dễ xảy ra lỗi. Tuy nhiên, công nghệ thị giác máy tính và theo dõi đối tượng có thể được sử dụng để tự động hóa và cải thiện quy trình này.
Hình 1. Một ví dụ về việc sử dụng YOLO11 để theo dõi đối tượng trong một cửa hàng bán lẻ.
Theo dõi đối tượng được hỗ trợ bởi AI với YOLO11
Theo dõi đối tượng là một kỹ thuật thị giác máy tính thiết yếu. Nó cho phép nhận dạng và theo dõi các đối tượng trong video theo thời gian. Theo dõi đối tượng có vẻ rất giống với một tác vụ thị giác máy tính khác - phát hiện đối tượng . Sự khác biệt chính giữa hai kỹ thuật này nằm ở cách chúng xử lý các khung hình video. Phát hiện đối tượng xem xét từng khung hình riêng lẻ, xác định và phân loại đối tượng mà không xem xét các khung hình trước đó hoặc tương lai. Mặt khác, theo dõi đối tượng kết nối các điểm giữa các khung hình, theo dõi cùng một đối tượng theo thời gian và duy trì track của các chuyển động của họ.
Dưới đây là hướng dẫn chi tiết hơn về cách theo dõi đối tượng hoạt động:
Phát hiện đối tượng : Quá trình bắt đầu bằng việc phát hiện đối tượng trong một khung hình duy nhất của video. YOLO11 có thể được sử dụng để xác định chính xác nhiều đối tượng và vị trí của chúng.
Chỉ định ID duy nhất : Mỗi đối tượng được phát hiện sẽ được cấp một ID duy nhất để phân biệt với các đối tượng khác và giúp dễ dàng hơn track .
Theo dõi chuyển động giữa các khung hình: Một thuật toán theo dõi theo dõi các đối tượng trên các khung hình tiếp theo, cập nhật vị trí của chúng đồng thời duy trì liên kết với ID duy nhất của chúng.
Xử lý che khuất: Nếu một đối tượng tạm thời biến mất khỏi tầm nhìn (ví dụ: bị chặn bởi một đối tượng khác), hệ thống đảm bảo việc theo dõi tiếp tục khi đối tượng xuất hiện trở lại.
Cập nhật thông tin đối tượng: Khi các đối tượng di chuyển, vị trí và thuộc tính của chúng (như tốc độ hoặc hướng) được liên tục cập nhật để phản ánh những thay đổi theo thời gian.
Ultralytics hỗ trợ theo dõi đối tượng theo thời gian thực bằng cách tận dụng các thuật toán theo dõi tiên tiến như BoT-SORT và ByteTrack . Nó cũng hoạt động liền mạch với các mô hình phân đoạn và ước tính tư thếYOLO11 , khiến nó trở thành một công cụ linh hoạt cho nhiều tác vụ theo dõi.
Ứng dụng của YOLO11 theo dõi đối tượng
Khả năng đa năng của mô hình Ultralytics YOLO11 mở ra nhiều ứng dụng tiềm năng trong nhiều ngành công nghiệp. Chúng ta hãy cùng xem xét kỹ hơn một số YOLO11 các trường hợp sử dụng theo dõi đối tượng.
YOLO11 để theo dõi xe tự hành
Theo dõi đối tượng là rất quan trọng để giúp xe tự lái hoạt động an toàn và hiệu quả. Những chiếc xe này cần liên tục hiểu môi trường xung quanh để đưa ra các quyết định theo thời gian thực, như dừng lại, rẽ hoặc chuyển làn đường. Phát hiện đối tượng cho phép xe xác định các yếu tố chính trong môi trường của nó, chẳng hạn như người đi bộ, người đi xe đạp, các phương tiện khác và biển báo giao thông. Tuy nhiên, việc phát hiện các đối tượng này trong một khoảnh khắc duy nhất là không đủ để điều hướng an toàn.
Đó là lúc theo dõi đối tượng phát huy tác dụng. Nó cho phép xe theo dõi các đối tượng này theo thời gian, theo dõi chuyển động của chúng trên nhiều khung hình. Ví dụ: nó giúp xe tự hành dự đoán hướng đi của người đi bộ, theo dõi tốc độ và hướng của các phương tiện gần đó hoặc nhận ra rằng đèn giao thông chưa thay đổi. Bằng cách kết hợp phát hiện và theo dõi, xe tự lái có thể dự đoán chuyển động của các đối tượng xung quanh chúng, phản ứng chủ động và lái xe an toàn và trơn tru.
Hình 2. YOLO11 có thể được sử dụng để detect Và track xe ô tô.
Sử dụng YOLO11 theo dõi đối tượng để giám sát động vật
Theo dõi động vật trong một trang trại, như gia súc, là rất quan trọng để quản lý hiệu quả, nhưng nó có thể là một nhiệm vụ tẻ nhạt và tốn thời gian. Các phương pháp truyền thống, chẳng hạn như sử dụng cảm biến hoặc thẻ, thường có những nhược điểm. Các thiết bị này có thể gây căng thẳng cho động vật khi gắn vào và dễ bị rơi ra hoặc bị hư hỏng, điều này làm gián đoạn việc theo dõi.
Tầm nhìn máy tính cung cấp giải pháp tốt hơn cho nông dân để theo dõi và track động vật mà không cần gắn thẻ vật lý. Việc theo dõi vật thể có thể cung cấp cho nông dân những thông tin chi tiết có giá trị về hành vi và sức khỏe của động vật. Ví dụ, nó có thể giúp detect Các tình trạng như khập khiễng ảnh hưởng đến cách đi lại của động vật. Bằng cách sử dụng công nghệ theo dõi vật thể, nông dân có thể phát hiện những thay đổi nhỏ trong chuyển động và sớm giải quyết các vấn đề sức khỏe.
Ngoài việc theo dõi sức khỏe, thị giác máy tính cũng có thể giúp nông dân hiểu các hành vi khác, chẳng hạn như tương tác xã hội, thói quen ăn uống và kiểu di chuyển. Những hiểu biết này có thể cải thiện việc quản lý đàn, tối ưu hóa lịch trình cho ăn và thúc đẩy sức khỏe tổng thể của động vật. Bằng cách giảm lao động thủ công và giảm thiểu căng thẳng cho động vật, theo dõi dựa trên thị giác máy tính là một công cụ thiết thực và hiệu quả cho nông nghiệp hiện đại.
Hình 3. Sử dụng YOLO11 ĐẾN track người nông dân và một con bò.
Theo dõi đối tượng trong sản xuất bằng cách sử dụng YOLO11
Theo dõi đối tượng có nhiều ứng dụng trong lĩnh vực sản xuất. Ví dụ, hệ thống phát hiện và theo dõi đối tượng có thể giám sát dây chuyền sản xuất. Sản phẩm hoặc nguyên liệu thô có thể dễ dàng được theo dõi và đếm khi chúng di chuyển trên băng chuyền. Các hệ thống này cũng có thể được tích hợp với các hệ thống computer vision khác để thực hiện các tác vụ bổ sung. Ví dụ: một sản phẩm bị lỗi có thể được xác định bằng hệ thống phát hiện lỗi và được theo dõi bằng tính năng theo dõi đối tượng để đảm bảo nó được xử lý đúng cách.
Một ứng dụng quan trọng khác của việc theo dõi đối tượng trong sản xuất liên quan đến an toàn . Hệ thống theo dõi đối tượng có thể được sử dụng để detect Và track Công nhân làm việc trong môi trường sản xuất tiềm ẩn nguy cơ. Các khu vực nguy hiểm có thể được đánh dấu và giám sát liên tục bằng hệ thống thị giác máy tính , và người giám sát có thể được thông báo nếu công nhân (đang được theo dõi) đến gần các khu vực đó. Các hệ thống an toàn này cũng có thể được sử dụng để detect Và track thiết bị, ngăn ngừa nguy cơ trộm cắp.
Hình 4. Một ví dụ về YOLO11 phát hiện đối tượng đang được sử dụng để detect công nhân.
Theo dõi và giám sát đối tượng bằng cách sử dụng YOLO11
Theo dõi đối tượng theo thời gian thực được sử dụng rộng rãi trong các hệ thống an ninh và giám sát. Các hệ thống này có thể được sử dụng để giám sát các địa điểm công cộng , trung tâm giao thông và các môi trường bán lẻ lớn như trung tâm mua sắm. Các khu vực rộng lớn, đông đúc có thể sử dụng công nghệ này để track những cá nhân đáng ngờ hoặc hành vi đám đông, cung cấp giải pháp giám sát liền mạch. Ví dụ, trong đại dịch, các hệ thống theo dõi đối tượng đã được sử dụng để track những khu vực đông người và đảm bảo mọi người đều giữ khoảng cách xã hội.
Theo dõi đối tượng cũng có thể được sử dụng trong giám sát giao thông . Theo dõi đối tượng giúp track và phân tích cách thức hoạt động của xe, phát hiện các hành động bất thường hoặc đáng ngờ theo thời gian thực để giúp ngăn ngừa tai nạn hoặc tội phạm. Một ví dụ điển hình là hệ thống ước tính tốc độ . Chúng có thể detect và track xe để xác định tốc độ của xe.
Hình 5. Ước tính tốc độ có thể được thực hiện bằng cách sử dụng theo dõi đối tượng.
Hãy thử theo dõi đối tượng với Ultralytics YOLO11
Bây giờ chúng ta đã khám phá một số ứng dụng theo dõi đối tượng, hãy cùng thảo luận về cách bạn có thể dùng thử ứng dụng này bằng mô hình Ultralytics YOLO11 .
Sau khi cài đặt thành công gói, hãy chạy đoạn mã sau. Đoạn mã này phác thảo cách tải Ultralytics YOLO11 mô hình và sử dụng nó để track các đối tượng trong tệp video. Mô hình được sử dụng trong mã là “yolo11n.pt”. Chữ 'n' là viết tắt của Nano - biến thể nhỏ nhất của YOLO11 mô hình. Ngoài ra còn có các biến thể mô hình khác để lựa chọn - nhỏ, vừa, lớn và cực lớn.
Hình 6. Một đoạn mã giới thiệu cách theo dõi đối tượng bằng cách sử dụng YOLO11 người mẫu.
Bạn cũng có thể chọn sử dụng mô hình được huấn luyện tùy chỉnh thay vì mô hình được huấn luyện sẵn. Huấn luyện tùy chỉnh bao gồm tinh chỉnh mô hình được huấn luyện sẵn để phù hợp với ứng dụng cụ thể của bạn.
Như đã đề cập trước đó, theo dõi đối tượng được hỗ trợ cho các mục sau YOLO11 Các mô hình: phát hiện đối tượng, ước tính tư thế và phân đoạn thực thể . Nếu bạn có một ứng dụng cụ thể liên quan đến theo dõi, bạn có thể tùy chỉnh huấn luyện bất kỳ mô hình nào trong số này tùy thuộc vào ứng dụng của mình. Bạn có thể tùy chỉnh huấn luyện một mô hình bằng gói Python Ultralytics hoặc nền tảng không cần mã , Ultralytics HUB .
Những điều cần nhớ
Ultralytics YOLO11 là một công cụ tuyệt vời để theo dõi các đối tượng trong video và có thể được sử dụng trong nhiều lĩnh vực khác nhau, chẳng hạn như xe tự lái, nông nghiệp, sản xuất và an ninh. Nó có thể detect và theo dõi các đối tượng theo thời gian thực, giúp các doanh nghiệp và ngành công nghiệp duy trì track của công nhân và thiết bị của họ. Mô hình này dễ sử dụng và có thể tùy chỉnh theo nhu cầu cụ thể, khiến nó trở thành lựa chọn tốt cho bất kỳ ai quan tâm đến việc áp dụng liền mạch các khả năng của thị giác máy tính.
Để tìm hiểu thêm, hãy truy cập kho lưu trữ GitHub của chúng tôi và tham gia với cộng đồng của chúng tôi. Khám phá các ứng dụng AI trong xe tự lái và nông nghiệp trên các trang giải pháp của chúng tôi. 🚀
