Acompáñanos para ver más de cerca cómo utilizar Ultralytics YOLO11 para el seguimiento de objetos en aplicaciones en tiempo real como la vigilancia, la agricultura y la fabricación.
Supongamos que quieres controlar y seguir el movimiento de los componentes en una línea de montaje de una planta de fabricación para garantizar el control de calidad y mejorar la eficacia del flujo de trabajo. Normalmente, esto implicaría inspecciones manuales o el uso de sensores básicos para seguir los elementos, lo que puede llevar mucho tiempo y ser propenso a errores. Sin embargo, la visión por ordenador y el seguimiento de objetos pueden utilizarse para automatizar y mejorar este proceso.
El seguimiento de objetos es una tarea de visión por ordenador que ayuda a detectar, identificar y seguir objetos en un vídeo. Puede utilizarse para una gran variedad de aplicaciones, desde la vigilancia de animales en granjas hasta la seguridad y vigilancia en tiendas minoristas. Los objetos que se rastrean en un vídeo suelen visualizarse mediante cuadros delimitadores para ayudar al usuario a ver exactamente dónde están situados y detectados dentro del fotograma de vídeo.
Presentado durante el evento híbrido anualUltralytics', YOLO Vision 2024 (YV24), Ultralytics YOLO11 es un modelo de visión por ordenador que puede manejar una amplia variedad de tareas de IA de Visión, incluido el seguimiento de objetos. En este artículo, exploraremos cómo funciona el seguimiento de objetos y hablaremos de las aplicaciones en el mundo real. También veremos cómo puedes probar el seguimiento de objetos con YOLO11. ¡Vamos a empezar!
El seguimiento de objetos es una técnica esencial de la visión por ordenador. Permite identificar los objetos de un vídeo y seguirlos a lo largo del tiempo. El seguimiento de objetos puede parecer muy similar a otra tarea de visión por ordenador: la detección de objetos. La diferencia clave entre ambas radica en cómo tratan los fotogramas de vídeo. La detección de objetos examina cada fotograma individualmente, identificando y clasificando los objetos sin tener en cuenta los fotogramas anteriores o futuros. El seguimiento de objetos, en cambio, conecta los puntos entre los fotogramas, siguiendo los mismos objetos a lo largo del tiempo y controlando sus movimientos.
Aquí tienes una explicación más detallada de cómo funciona el seguimiento de objetos:
Ultralytics admite el seguimiento de objetos en tiempo real aprovechando algoritmos de seguimiento avanzados como BoT-SORT y ByteTrack. También funciona a la perfección con modelos YOLO11 de segmentación y estimación de pose, lo que la convierte en una herramienta flexible para una amplia gama de tareas de seguimiento.
Las versátiles capacidades del modelo YOLO11 deUltralytics abren un amplio abanico de posibles aplicaciones en muchas industrias. Veamos más de cerca algunos casos de uso del seguimiento de objetos YOLO11.
El seguimiento de objetos es crucial para que los coches autoconducidos funcionen con seguridad y eficacia. Estos vehículos necesitan comprender constantemente su entorno para tomar decisiones en tiempo real, como detenerse, girar o cambiar de carril. La detección de objetos permite al coche identificar elementos clave de su entorno, como peatones, ciclistas, otros vehículos y señales de tráfico. Sin embargo, detectar estos objetos en un momento dado no basta para una navegación segura.
Ahí es donde entra en juego el seguimiento de objetos. Permite al coche seguir estos objetos a lo largo del tiempo, rastreando sus movimientos en múltiples fotogramas. Por ejemplo, ayuda a los vehículos autónomos a predecir hacia dónde se dirige un peatón, controlar la velocidad y dirección de los vehículos cercanos, o reconocer que un semáforo no ha cambiado. Combinando la detección y el seguimiento, los coches autónomos pueden anticipar el movimiento de los objetos a su alrededor, responder de forma proactiva y conducir de forma segura y fluida.
El seguimiento de los animales de una granja, como el ganado vacuno, es vital para una gestión eficaz, pero puede ser una tarea tediosa y lenta. Los métodos tradicionales, como el uso de sensores o etiquetas, suelen tener inconvenientes. Estos dispositivos pueden estresar a los animales cuando se fijan y son propensos a caerse o dañarse, lo que interrumpe el seguimiento.
La visión por ordenador ofrece a los ganaderos una solución mejor para controlar y seguir a los animales sin necesidad de etiquetas físicas. El seguimiento de objetos puede dar a los ganaderos información valiosa sobre el comportamiento y la salud de los animales. Por ejemplo, puede ayudar a detectar afecciones como la cojera, que afectan a la forma de andar de un animal. Utilizando el seguimiento de objetos, los ganaderos pueden detectar cambios sutiles en el movimiento y abordar a tiempo los problemas de salud.
Además de controlar la salud, la visión por ordenador también puede ayudar a los ganaderos a comprender otros comportamientos, como las interacciones sociales, los hábitos alimentarios y los patrones de movimiento. Estos conocimientos pueden mejorar la gestión del rebaño, optimizar los programas de alimentación y promover el bienestar general de los animales. Al reducir el trabajo manual y minimizar el estrés de los animales, el seguimiento basado en la visión por ordenador es una herramienta práctica y eficaz para la ganadería moderna.
El seguimiento de objetos tiene muchos casos de uso en el sector de la fabricación. Por ejemplo, los sistemas de detección y seguimiento de objetos pueden controlar las líneas de producción. Los productos o las materias primas pueden seguirse y contarse fácilmente mientras se desplazan por una cinta transportadora. Estos sistemas también pueden integrarse con otros sistemas de visión por ordenador para realizar tareas adicionales. Por ejemplo, un artículo con un defecto puede identificarse mediante un sistema de detección de defectos y seguirse mediante el seguimiento de objetos para asegurarse de que se atiende adecuadamente.
Otra aplicación importante del seguimiento de objetos en la fabricación está relacionada con la seguridad. Los sistemas de seguimiento de objetos pueden utilizarse para detectar y seguir a trabajadores en entornos de fabricación potencialmente peligrosos. Las zonas peligrosas pueden marcarse y controlarse constantemente mediante sistemas de visión por ordenador, y los supervisores pueden recibir una notificación si los trabajadores (a los que se sigue) se acercan a dichas zonas. Estos sistemas de seguridad también pueden utilizarse para detectar y seguir equipos, evitando la posibilidad de robo.
El seguimiento de objetos en tiempo real se utiliza mucho en los sistemas de seguridad y vigilancia. Estos sistemas pueden utilizarse para vigilar lugares públicos, centros de transporte y grandes entornos comerciales, como centros comerciales. Las zonas grandes y concurridas pueden utilizar esta tecnología para rastrear a personas sospechosas o el comportamiento de la multitud, proporcionando una solución de vigilancia sin fisuras. Por ejemplo, durante la pandemia, se utilizaron sistemas de seguimiento de objetos para rastrear zonas abarrotadas y asegurarse de que la gente mantenía el distanciamiento social.
El seguimiento de objetos también puede utilizarse en la vigilancia del tráfico. El seguimiento de objetos permite seguir y analizar cómo se comportan los vehículos, detectando acciones inusuales o sospechosas en tiempo real para ayudar a prevenir accidentes o delitos. Un buen ejemplo son los sistemas de estimación de la velocidad. Pueden detectar y seguir a un vehículo para determinar su velocidad.
Ahora que hemos explorado algunas de las aplicaciones del seguimiento de objetos, vamos a discutir cómo puedes probarlo utilizando el modeloUltralytics YOLO11.
Para empezar, instala el paqueteUltralytics Python utilizando pip, conda o Docker. Si te encuentras con algún problema durante la instalación, nuestra Guía de problemas comunes te ofrece consejos útiles para solucionarlos.
Una vez que hayas instalado correctamente el paquete, ejecuta el siguiente código. En él se explica cómo cargar el modelo Ultralytics YOLO11 y utilizarlo para rastrear objetos en un archivo de vídeo. El modelo utilizado en el código es "yolo11n.pt". La "n" significa Nano, la variante más pequeña del modelo YOLO11. También hay otras variantes del modelo entre las que elegir: pequeña, mediana, grande y extragrande.
También puedes optar por utilizar un modelo entrenado a medida en lugar de un modelo preentrenado. El entrenamiento personalizado consiste en ajustar un modelo preentrenado para que se adapte a tu aplicación específica.
Como ya se ha dicho, el seguimiento de objetos es compatible con los siguientes modelos de YOLO11: detección de objetos, estimación de la pose y segmentación de instancias. Si tienes una aplicación específica que implique el seguimiento, puedes personalizar el entrenamiento de cualquiera de estos modelos en función de tu aplicación. Puedes entrenar un modelo a medida utilizando el paqueteUltralytics Python o la plataforma sin código, Ultralytics HUB.
Ultralytics YOLO11 es una gran herramienta para seguir objetos en vídeos, y puede utilizarse en muchos campos diferentes, como los coches autoconducidos, la agricultura, la fabricación y la seguridad. Puede detectar y seguir objetos en tiempo real, ayudando a las empresas e industrias a seguir la pista de sus trabajadores y equipos. El modelo es fácil de usar y se puede personalizar para necesidades específicas, lo que lo convierte en una buena opción para cualquiera que esté interesado en adoptar capacidades de visión por ordenador sin problemas.
Para saber más, visita nuestro repositorio de GitHub y participa en nuestra comunidad. Explora las aplicaciones de la IA en los coches autónomos y la agricultura en nuestras páginas de soluciones. 🚀
Comienza tu viaje con el futuro del aprendizaje automático
