Cách sử dụng Ultralytics YOLO11 để theo dõi đối tượng

Giả sử bạn muốn giám sát và theo dõi chuyển động của các linh kiện trên dây chuyền lắp ráp tại một cơ sở sản xuất để đảm bảo kiểm soát chất lượng và cải thiện hiệu quả quy trình làm việc. Thông thường, việc này đòi hỏi kiểm tra thủ công hoặc sử dụng các cảm biến cơ bản để theo dõi vật phẩm, vốn rất tốn thời gian và dễ xảy ra sai sót. Tuy nhiên, computer vision và object tracking có thể được sử dụng để tự động hóa và tăng cường quy trình này.

Object tracking là một tác vụ computer vision giúp phát hiện, xác định và theo dõi các đối tượng trong video. Nó có thể được sử dụng cho nhiều ứng dụng đa dạng, từ giám sát động vật trong trang trại đến an ninh và giám sát tại các cửa hàng bán lẻ. Các đối tượng được theo dõi trong video thường được trực quan hóa bằng cách sử dụng bounding box để giúp người dùng thấy chính xác vị trí của chúng và việc chúng được phát hiện ở đâu trong khung hình video.

Được ra mắt trong sự kiện hybrid thường niên của Ultralytics, YOLO Vision 2024 (YV24), Ultralytics YOLO11 là một computer vision model có khả năng xử lý nhiều tác vụ vision AI khác nhau, bao gồm object tracking. Trong bài viết này, chúng ta sẽ khám phá cách object tracking hoạt động và thảo luận về các ứng dụng thực tế. Chúng ta cũng sẽ tìm hiểu cách bạn có thể dùng thử object tracking bằng YOLO11. Hãy bắt đầu nào!

Hình 1. Ví dụ về việc sử dụng YOLO11 để theo dõi đối tượng trong một cửa hàng bán lẻ.

Link to this sectionObject tracking ứng dụng AI với YOLO11#

Object tracking là một kỹ thuật computer vision thiết yếu. Nó giúp việc xác định và theo dõi các đối tượng trong video theo thời gian trở nên khả thi. Object tracking có vẻ rất giống với một tác vụ computer vision khác - object detection. Điểm khác biệt chính giữa hai tác vụ này nằm ở cách chúng xử lý các khung hình video. Object detection xem xét từng khung hình riêng lẻ, xác định và phân loại các đối tượng mà không xem xét các khung hình trước hoặc sau đó. Ngược lại, object tracking kết nối các điểm giữa các khung hình, theo dõi cùng một đối tượng theo thời gian và ghi lại các chuyển động của chúng.

Dưới đây là hướng dẫn chi tiết hơn về cách object tracking hoạt động:

• Object detection: Quy trình bắt đầu bằng việc phát hiện các đối tượng trong một khung hình duy nhất của video. YOLO11 có thể được sử dụng để xác định nhiều đối tượng và vị trí của chúng một cách chính xác.
• Gán ID duy nhất: Mỗi đối tượng được phát hiện sẽ nhận một ID duy nhất để phân biệt với các đối tượng khác và giúp việc theo dõi trở nên dễ dàng hơn.
• Theo dõi chuyển động giữa các khung hình: Một thuật toán theo dõi sẽ theo sát các đối tượng qua các khung hình tiếp theo, cập nhật vị trí của chúng trong khi vẫn duy trì liên kết với ID duy nhất của chúng.
• Xử lý việc bị che khuất: Nếu một đối tượng tạm thời biến mất khỏi tầm nhìn (ví dụ: bị chặn bởi một đối tượng khác), hệ thống sẽ đảm bảo việc theo dõi được tiếp tục ngay khi đối tượng xuất hiện trở lại.
• Cập nhật thông tin đối tượng: Khi các đối tượng di chuyển, vị trí và các thuộc tính của chúng (như tốc độ hoặc hướng di chuyển) được cập nhật liên tục để phản ánh những thay đổi theo thời gian.

Ultralytics supports real-time object tracking by leveraging advanced tracking algorithms like BoT-SORT and ByteTrack. It also works seamlessly with segmentation and pose estimation YOLO11 models, making it a flexible tool for a wide range of tracking tasks.

Link to this sectionCác ứng dụng của object tracking với YOLO11#

Khả năng linh hoạt của Ultralytics YOLO11 model mở ra nhiều ứng dụng tiềm năng trong nhiều ngành công nghiệp. Hãy cùng xem xét kỹ hơn một số trường hợp sử dụng object tracking với YOLO11.

Link to this sectionYOLO11 cho theo dõi phương tiện tự hành#

Object tracking rất quan trọng để giúp ô tô self-driving vận hành an toàn và hiệu quả. Những phương tiện này cần liên tục nắm bắt môi trường xung quanh để đưa ra quyết định theo thời gian thực, như dừng lại, rẽ, hoặc chuyển làn. Object detection cho phép xe nhận diện các yếu tố chính trong môi trường, chẳng hạn như người đi bộ, người đi xe đạp, các phương tiện khác, và biển báo giao thông. Tuy nhiên, phát hiện các đối tượng này tại một thời điểm duy nhất là chưa đủ để điều hướng an toàn.

Đó là lúc object tracking phát huy tác dụng. Nó cho phép xe theo dõi các đối tượng này theo thời gian, theo dõi chuyển động của chúng qua nhiều khung hình. Ví dụ, nó giúp autonomous vehicles dự đoán hướng đi của người đi bộ, giám sát tốc độ và hướng của các phương tiện xung quanh, hoặc nhận biết đèn giao thông chưa chuyển màu. Bằng cách kết hợp detection và theo dõi, các phương tiện tự hành có thể dự đoán chuyển động của các đối tượng xung quanh, phản ứng chủ động, và lái xe an toàn, mượt mà.

Hình 2. YOLO11 có thể được sử dụng để phát hiện và theo dõi ô tô.

Link to this sectionSử dụng object tracking với YOLO11 để giám sát động vật#

Tracking động vật trong trang trại, như gia súc, rất quan trọng để quản lý hiệu quả, nhưng đây có thể là một công việc tẻ nhạt và tốn thời gian. Các phương pháp truyền thống, như sử dụng cảm biến hoặc thẻ đeo, thường có những mặt hạn chế. Các thiết bị này có thể làm vật nuôi bị căng thẳng khi gắn vào và dễ bị rơi hoặc hư hỏng, làm gián đoạn quá trình theo dõi.

Computer vision cung cấp một giải pháp tốt hơn cho nông dân để giám sát và theo dõi động vật mà không cần gắn thẻ vật lý. Object tracking có thể cung cấp cho nông dân những thông tin giá trị về hành vi và sức khỏe của vật nuôi. Ví dụ, nó có thể giúp phát hiện các tình trạng như què quặt ảnh hưởng đến cách đi đứng của động vật. Bằng cách sử dụng object tracking, nông dân có thể phát hiện những thay đổi tinh vi trong chuyển động và giải quyết các vấn đề sức khỏe sớm.

Ngoài việc giám sát sức khỏe, computer vision 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 thông tin này có thể cải thiện quản lý đàn, tối ưu hóa lịch trình cho ăn, và thúc đẩy phúc lợi chung của vật nuôi. Bằng cách giảm lao động thủ công và tối thiểu hóa sự căng thẳng cho vật nuôi, phương pháp theo dõi dựa trên computer vision là một công cụ thực tế và hiệu quả cho nông nghiệp hiện đại.

Hình 3. Sử dụng YOLO11 để theo dõi nông dân và bò.

Link to this sectionObject tracking trong sản xuất với YOLO11#

Object tracking có nhiều trường hợp sử dụng trong ngành sản xuất. Ví dụ, các hệ thống phát hiện và theo dõi đối tượng có thể giám sát các 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 tải. Những hệ thống này cũng có thể được tích hợp với các hệ thống computer vision khác để thực hiện thêm các tác vụ khác. Chẳng hạn, một sản phẩm bị lỗi có thể được xác định bằng hệ thống phát hiện lỗi và được theo dõi bằng object tracking để đảm bảo nó được xử lý đúng cách.

Một ứng dụng quan trọng khác của object tracking trong sản xuất liên quan đến an toàn. Các hệ thống object tracking có thể được sử dụng để phát hiện và theo dõi công nhân trong các môi trường sản xuất tiềm ẩn nhiều nguy hiểm. Các khu vực nguy hiểm có thể được đánh dấu và giám sát liên tục bằng cách sử dụng hệ thống computer vision, 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 như vậy cũng có thể được sử dụng để phát hiện và theo dõi thiết bị, ngăn chặn nguy cơ trộm cắp.

Hình 4. Ví dụ về việc sử dụng object detection với YOLO11 để phát hiện công nhân.

Link to this sectionObject tracking và giám sát với YOLO11#

Object tracking thời gian thực được sử dụng rộng rãi trong các hệ thống an ninh và giám sát. Những hệ thống này có thể được sử dụng để giám sát các nơi 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 theo dõi các cá nhân khả nghi hoặc hành vi đám đông, cung cấp giải pháp giám sát liền mạch. Ví dụ, trong đại dịch, các hệ thống object tracking đã được sử dụng để theo dõi các khu vực đông người và đảm bảo mọi người duy trì giãn cách xã hội.

Object tracking cũng có thể được sử dụng trong giám sát giao thông. Object tracking giúp việc theo dõi và phân tích hành vi của các phương tiện trở nên khả thi, phát hiện các hành động bất thường hoặc đáng ngờ trong thời gian thực để giúp ngăn ngừa tai nạn hoặc tội phạm. Một ví dụ điển hình là các hệ thống ước tính tốc độ. Chúng có thể phát hiện và theo dõi phương tiện để xác định tốc độ của nó.

Hình 5. Ước tính tốc độ có thể được thực hiện bằng cách sử dụng object tracking.

Link to this sectionDùng thử object tracking với Ultralytics YOLO11#

Giờ đây khi đã khám phá một số ứng dụng của object tracking, hãy cùng thảo luận cách bạn có thể dùng thử nó bằng Ultralytics YOLO11 model.

Để bắt đầu, hãy cài đặt gói Python của Ultralytics bằng pip, conda, hoặc Docker. Nếu bạn gặp bất kỳ trở ngại nào trong quá trình cài đặt, Hướng dẫn về các vấn đề phổ biến của chúng tôi cung cấp các mẹo khắc phục sự cố hữu ích.

Khi bạn đã cài đặt gói thành công, hãy chạy đoạn mã sau. Nó phác thảo cách tải model Ultralytics YOLO11 và sử dụng nó để theo dõi các đối tượng trong một tệp video. Model được sử dụng trong đoạn mã là “yolo11n.pt”. Chữ ‘n’ viết tắt cho Nano - phiên bản nhỏ nhất của model YOLO11. Ngoài ra còn có các phiên bản model khác để lựa chọn - small, medium, large, và extra-large.

Hình 6. Một đoạn mã trình diễn object tracking sử dụng model YOLO11.

Bạn cũng có thể chọn sử dụng model tùy chỉnh thay vì model tiền huấn luyện. Huấn luyện tùy chỉnh liên quan đến việc tinh chỉnh một model tiền huấn luyện 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 model YOLO11 sau đây: phát hiện đối tượng, pose estimation và instance segmentation. Nếu bạn có một ứng dụng cụ thể liên quan đến theo dõi, bạn có thể custom-train bất kỳ model nào trong số này tùy theo ứng dụng của bạn. Bạn có thể custom-train một model bằng Ultralytics Python package hoặc nền tảng no-code, Ultralytics HUB.

Link to this sectionCác điểm chính cần lưu ý#

Ultralytics YOLO11 là một công cụ tuyệt vời để theo dõi đối tượng trong video, và nó có thể được sử dụng trong nhiều lĩnh vực khác nhau, như ô tô tự hành, nông nghiệp, sản xuất, và an ninh. Nó có thể phát hiện và theo dõi các đối tượng trong thời gian thực, giúp các doanh nghiệp và ngành công nghiệp quản lý công nhân và thiết bị của họ. Model này rất dễ sử dụng và có thể tùy chỉnh cho các nhu cầu cụ thể, khiến nó trở thành lựa chọn tốt cho bất kỳ ai quan tâm đến việc áp dụng các khả năng của computer vision một cách liền mạch.

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. 🚀