Le suivi d'objets est une tâche fondamentale de la vision par ordinateur qui consiste à identifier et à suivre des objets spécifiques lorsqu'ils se déplacent dans une séquence d'images vidéo. Contrairement à la détection d'objets, qui se concentre sur la localisation d'objets dans des images statiques individuelles ou des images vidéo uniques, le suivi d'objets maintient l'identité et la trajectoire de ces objets au fil du temps. Ce suivi continu permet aux systèmes de comprendre le mouvement, le comportement et les interactions des objets dans des environnements dynamiques, offrant ainsi des informations plus riches que la seule détection.
Différences essentielles par rapport aux concepts apparentés
Il est important de distinguer le suivi d'objet des autres tâches de vision par ordinateur :
- Détection d'objets : Identifie et localise les objets (par exemple, "voiture ici", "personne ici") dans une seule image sans les relier d'une image à l'autre. Le suivi ajoute la dimension temporelle, en suivant la même voiture ou la même personne dans le temps.
- Classification d'images: Attribue une seule étiquette à une image entière (par exemple, "cette image contient un chat"). Elle ne permet pas de localiser ou de suivre des objets individuels.
- Segmentation d'image: Classifie chaque pixel d'une image pour créer des masques d'objets détaillés. Alors que le suivi utilise souvent des boîtes de délimitation, il peut être combiné avec la segmentation pour un suivi plus précis, connu sous le nom de segmentation et suivi d'instance.
Applications dans le monde réel
Le suivi des objets est crucial pour de nombreuses applications d'intelligence artificielle dans le monde réel :
- Véhicules autonomes: Les voitures autonomes s'appuient fortement sur le suivi pour surveiller le mouvement des autres véhicules, des piétons, des cyclistes et des obstacles. Cette conscience continue est vitale pour une navigation sûre, la planification de la trajectoire et l'évitement des collisions, ce qui contribue aux différents niveaux d'automatisation de la conduite. Explore les solutions d' Ultralytics en matière d 'IA dans les voitures auto-conduites.
- Analyse du commerce de détail : Les magasins utilisent le suivi pour comprendre le comportement des clients, comme les chemins empruntés dans le magasin, les temps de séjour dans des zones spécifiques et les longueurs de file d'attente. Ces données permettent d'optimiser l'agencement du magasin, l'emplacement des produits et les niveaux de personnel. Voir les guides sur la gestion des files d'attente et le comptage des régions.
- Surveillance et sécurité : Le suivi des personnes ou des véhicules dans les séquences de sécurité aide à surveiller les zones restreintes, à détecter les activités inhabituelles et à suivre les sujets d'intérêt. Voir le guide sur les systèmes d'alarme de sécurité.
- Analyses sportives : Le suivi des joueurs et du ballon permet d'obtenir des statistiques détaillées sur les performances des joueurs, les stratégies des équipes et la dynamique des matchs. Découvre plus d'informations sur la vision par ordinateur dans les sports.
- Robotique: Les robots utilisent le suivi pour interagir avec les objets, naviguer dans les environnements et collaborer avec les humains.
- Surveillance de la faune : Les chercheurs suivent les animaux pour étudier le comportement, les schémas de migration et la taille des populations sans méthodes invasives. Vois comment cela fonctionne avec Ultralytics YOLOv8 pour la surveillance des animaux.
Suivi d'objets avec Ultralytics
Ultralytics fournit des outils puissants pour mettre en œuvre le suivi des objets. Des modèles comme YOLOv8 et YOLO11 offrent une détection d'objets de pointe, qui constitue la base d'un suivi précis. Le cadreUltralytics comprend un mode de suivi dédié avec une prise en charge intégrée des algorithmes de suivi efficaces tels que BoT-SORT et ByteTrack. Les utilisateurs peuvent facilement mettre en œuvre des solutions de suivi à l'aide du packageUltralytics Python ou gérer l'ensemble du flux de travail, de la formation au déploiement, via Ultralytics HUB.
FR
EN
ZH
KO
JA
RU
DE
ES
PT
IT
AR
TR
VI
.webp)
Comment fonctionne le suivi d'objet
Le suivi d'objets commence généralement par la détection d'objets dans l'image initiale à l'aide d'un détecteur d'objets, tel que Ultralytics YOLO. Une fois qu'un objet est détecté (généralement représenté par une boîte englobante), l'algorithme de suivi lui attribue un identifiant unique. Dans les images suivantes, l'algorithme prédit le nouvel emplacement de l'objet en fonction de son mouvement et de son apparence précédents. Il associe ensuite les détections actuelles aux objets suivis existants, en mettant à jour leurs trajectoires et en conservant leurs identifiants. Ce processus doit faire face à des défis tels que des objets qui deviennent temporairement cachés (occlusion), qui changent d'apparence, qui interagissent avec d'autres objets et qui varient en fonction de l'éclairage ou du point de vue de la caméra. Les techniques courantes comprennent des méthodes de filtrage comme le filtre de Kalman pour la prédiction des mouvements et des approches d'apprentissage profond comme DeepSORT, qui combine les caractéristiques de mouvement et d'apparence pour une association robuste(en savoir plus sur DeepSORT).