Object Tracking
Tìm hiểu cách object tracking hoạt động trong computer vision. Khám phá cách sử dụng Ultralytics YOLO26 để xác định và giám sát vật thể bằng ID duy nhất cho phân tích thời gian thực.
Theo dõi đối tượng là một quy trình động trong thị giác máy tính (CV), bao gồm việc xác định các thực thể cụ thể trong video và giám sát chuyển động của chúng qua một chuỗi khung hình. Không giống như phân tích ảnh tĩnh, trong đó mỗi ảnh chụp nhanh được xử lý riêng lẻ, việc theo dõi bổ sung chiều thời gian. Nhờ đó, các hệ thống trí tuệ nhân tạo (AI) có thể gán một số nhận dạng duy nhất (ID) cho từng đối tượng được phát hiện—chẳng hạn như ô tô, người hoặc động vật—và duy trì danh tính đó khi đối tượng di chuyển, thay đổi hướng hoặc tạm thời bị che khuất. Khả năng này là nền tảng của hiểu video nâng cao, cho phép máy móc phân tích hành vi, tính toán quỹ đạo và rút ra các thông tin có thể hành động từ video thô.
Cách thức hoạt động của tính năng theo dõi đối tượng#
Các hệ thống theo dõi hiện đại thường sử dụng mô hình "tracking-by-detection". Quy trình này kết hợp các model phát hiện mạnh mẽ với các thuật toán chuyên biệt để liên kết các lần phát hiện theo thời gian. Quy trình thường gồm ba giai đoạn chính:
-
Phát hiện: Ở mỗi khung hình, một model phát hiện đối tượng, chẳng hạn như YOLO26 tiên tiến, quét ảnh để xác định vị trí các đối tượng cần quan tâm. Model xuất ra các bounding box xác định phạm vi không gian của từng đối tượng.
-
Dự đoán chuyển động: Các thuật toán như Bộ lọc Kalman ước tính vị trí tương lai của một đối tượng dựa trên vận tốc và quỹ đạo hiện tại của đối tượng đó. Dự đoán này thu hẹp không gian tìm kiếm cho khung hình tiếp theo, giúp hệ thống hoạt động hiệu quả hơn.
-
Liên kết dữ liệu: Hệ thống khớp các lần phát hiện mới với các track hiện có bằng những phương pháp tối ưu hóa như thuật toán Hungarian. Bước này thường dựa vào các chỉ số như Intersection over Union (IoU) để đo mức độ chồng lấp giữa bounding box được dự đoán và lần phát hiện mới. Các bộ theo dõi nâng cao cũng có thể sử dụng trích xuất đặc trưng trực quan để nhận diện lại những đối tượng có ngoại hình tương tự.
Theo dõi đối tượng và phát hiện đối tượng#
Mặc dù các thuật ngữ này có liên quan chặt chẽ, chúng đảm nhiệm những chức năng riêng biệt trong pipeline machine learning (ML).
- Phát hiện đối tượng trả lời câu hỏi: "Trong ảnh này có gì và chúng ở đâu?" Đây là quy trình không trạng thái, nghĩa là không ghi nhớ các khung hình trước đó. Nếu một chiếc ô tô chạy qua video, bộ phát hiện sẽ thấy một "ô tô" ở khung hình 1 và một "ô tô" ở khung hình 2, nhưng không biết chúng là cùng một phương tiện.
- Theo dõi đối tượng trả lời câu hỏi: "Đối tượng cụ thể này đang đi đâu?" Đây là quy trình có trạng thái. Nó kết nối "ô tô" ở khung hình 1 với "ô tô" ở khung hình 2, cho phép hệ thống ghi nhận rằng "Car ID #42" đang di chuyển từ trái sang phải. Điều này rất cần thiết cho các tác vụ như mô hình hóa dự đoán và đếm.
Các ứng dụng trong thực tế#
Khả năng duy trì danh tính đối tượng cho phép xây dựng các ứng dụng suy luận thời gian thực phức tạp trong nhiều ngành khác nhau.
- Hệ thống giao thông thông minh: Tính năng theo dõi rất quan trọng đối với xe tự hành để di chuyển an toàn. Bằng cách theo dõi người đi bộ và các phương tiện khác, ô tô có thể dự đoán các vụ va chạm tiềm ẩn. Ngoài ra, các kỹ sư giao thông sử dụng những hệ thống này để ước tính tốc độ, thực thi các quy định an toàn và tối ưu hóa luồng giao thông.
- Phân tích bán lẻ: Các cửa hàng truyền thống sử dụng AI trong bán lẻ để tìm hiểu hành vi khách hàng. Tính năng theo dõi cho phép quản lý cửa hàng thực hiện đếm đối tượng nhằm đo lưu lượng khách, phân tích thời gian khách dừng trước các khu trưng bày bằng bản đồ nhiệt và tối ưu hóa quản lý hàng đợi để giảm thời gian chờ.
- Phân tích thể thao: Trong thể thao chuyên nghiệp, huấn luyện viên sử dụng tính năng theo dõi kết hợp với ước tính tư thế để phân tích cơ sinh học của vận động viên và đội hình thi đấu. Dữ liệu này tạo ra lợi thế cạnh tranh bằng cách cho thấy những quy luật mà mắt thường không thể nhận ra.
Triển khai tính năng theo dõi với Python#
Ultralytics giúp việc triển khai tính năng theo dõi hiệu năng cao trở nên đơn giản. Chế độ track trong thư viện tự động xử lý việc phát hiện, dự đoán chuyển động và gán ID. Ví dụ dưới đây cho thấy cách sử dụng model YOLO26 tương thích với Ultralytics Platform để theo dõi các đối tượng trong video.
from ultralytics import YOLO
# Load the official YOLO26n model (nano version for speed)
model = YOLO("yolo26n.pt")
# Track objects in a video file or webcam (source=0)
# 'show=True' displays the video with bounding boxes and unique IDs
results = model.track(source="https://ultralytics.com/images/bus.jpg", show=True)
# Access the unique tracking IDs from the results
if results[0].boxes.id is not None:
print(f"Detected Track IDs: {results[0].boxes.id.cpu().numpy()}")Các khái niệm liên quan#
Để hiểu đầy đủ hệ sinh thái theo dõi, bạn nên tìm hiểu phân đoạn theo instance, trong đó theo dõi các đường biên chính xác ở cấp độ pixel của đối tượng thay vì chỉ theo dõi một bounding box. Ngoài ra, các thử thách Multi-Object Tracking (MOT) thường sử dụng những bộ benchmark phổ biến như MOTChallenge để đánh giá khả năng xử lý cảnh đông người và hiện tượng che khuất của các thuật toán. Để triển khai trong môi trường production, các developer thường sử dụng các công cụ như NVIDIA DeepStream hoặc OpenCV nhằm tích hợp các model này vào những pipeline hiệu quả.
