Glossaire

Suivi des objets

Découvrez le suivi d'objets avec Ultralytics ! Apprenez à suivre le mouvement, le comportement et les interactions dans la vidéo en utilisant les modèles YOLO pour des applications en temps réel.

Le suivi d'objets est une tâche fondamentale de la vision par ordinateur (VA) qui consiste à identifier et à suivre un ou plusieurs objets en mouvement dans une séquence d'images vidéo. Contrairement à la détection d'objets, qui permet de localiser des objets dans une seule image, le suivi d'objets ajoute une dimension temporelle en attribuant un identifiant unique à chaque objet et en conservant son identité lorsqu'il se déplace, change d'apparence ou est temporairement occulté. Cette capacité permet de mieux comprendre le comportement des objets, leurs interactions et leurs mouvements dans le temps, ce qui en fait la pierre angulaire de nombreuses applications d'analyse vidéo dynamique.

Comment fonctionne le suivi d'objet

Le processus de suivi des objets commence généralement par l'utilisation d'un modèle de détection des objets pour identifier et localiser les objets dans la première image d'une vidéo. Chaque objet détecté se voit attribuer un identifiant de suivi unique. Dans les images suivantes, l'algorithme de suivi prédit les nouvelles positions de ces objets et tente de les faire correspondre aux objets nouvellement détectés. Ce processus repose sur plusieurs techniques :

  • Prédiction de mouvement: Des algorithmes tels que le filtre de Kalman (KF) sont utilisés pour estimer la position future d'un objet sur la base de ses états antérieurs (emplacement, vitesse). Cela permet de réduire la zone de recherche de l'objet dans l'image suivante.
  • Correspondance d'apparence: il s'agit d'extraire des caractéristiques distinctives d'un objet, telles que des histogrammes de couleur ou des encastrements basés sur l'apprentissage profond. Ces caractéristiques créent une signature unique qui permet de réidentifier l'objet, même en cas d'occultation ou de modification importante de l'apparence.
  • Association de données: Il s'agit de l'étape cruciale qui consiste à faire correspondre les pistes existantes avec les nouvelles détections. Des algorithmes comme l'algorithme hongrois ou des méthodes plus avancées comme ByteTrack et BoT-SORT gèrent cette association, même dans des scénarios complexes avec de nombreux objets.

Suivi d'objets et détection d'objets

Bien qu'étroitement liés, le suivi et la détection d'objets ont des objectifs différents.

  • Détection d'objets: Il s'agit du processus d'identification et de classification des objets au sein d'une seule image ou d'une seule trame vidéo. Le résultat est un ensemble de boîtes de délimitation, d'étiquettes de classe et de scores de confiance pour chaque objet. Il répond à la question "Quels sont les objets présents dans cette image ?".
  • Suivi d'objets: Cette fonction s'appuie sur la détection d'objets. Il prend les détections de chaque image et les relie à l'ensemble de la séquence vidéo, en attribuant un identifiant permanent à chaque objet. Il répond à la question "Où va cet objet spécifique ?".

En fait, la détection d'objets revient à prendre des instantanés, tandis que le suivi d'objets crée une histoire continue du parcours de chaque objet dans la vidéo. Les modèles YOLO d'Ultralytics intègrent parfaitement les deux, ce qui permet aux utilisateurs d'effectuer un suivi multi-objets avec une efficacité et une précision élevées.

Applications dans le monde réel

Le suivi d'objets est une technologie transformatrice qui a de nombreuses applications dans divers secteurs d'activité.

  • Surveillance et sécurité intelligentes: Dans le domaine de la sécurité, le suivi des objets est utilisé pour surveiller les personnes et les véhicules en temps réel. Un système peut être configuré pour suivre automatiquement une personne entrant dans une zone restreinte, suivre un véhicule suspect dans un parking ou compter le nombre de personnes entrant et sortant d'un bâtiment. Cela permet d'automatiser les alertes et les analyses médico-légales sans supervision humaine constante. Par exemple, un système d'alarme de sécurité peut être conçu pour se déclencher lorsqu'une personne est suivie en train de se déplacer dans une zone prédéfinie en dehors des heures de bureau.
  • Véhicules autonomes: Pour les voitures autonomes, le suivi des autres véhicules, des piétons et des cyclistes est essentiel à la sécurité de la navigation. En suivant les objets environnants, un véhicule peut prédire leur trajectoire, comprendre leur intention (par exemple, un piéton qui s'apprête à traverser la rue) et prendre des décisions éclairées pour éviter les collisions. Ce suivi continu permet une compréhension beaucoup plus riche de l'environnement que la détection d'une seule image.
  • Analyse du sport: Les entraîneurs et les analystes utilisent le suivi d'objets pour surveiller les mouvements des joueurs sur le terrain. En suivant chaque joueur, ils peuvent analyser les formations, mesurer les performances comme la distance parcourue et la vitesse, et développer de meilleures stratégies de jeu. Cette méthode peut être combinée à l'estimation de la pose pour analyser en détail la technique des joueurs.
  • Analyse du commerce de détail: Les détaillants utilisent le suivi pour comprendre le comportement des clients dans les magasins. En analysant les schémas de circulation, les temps d'attente dans les différentes allées et les interactions avec les produits, les entreprises peuvent optimiser l'agencement des magasins et améliorer l'expérience des clients. Cette méthode peut également être utilisée pour la gestion des files d'attente afin de réduire les temps d'attente aux caisses.

Outils et mise en œuvre

La mise en œuvre de solutions robustes de suivi des objets est plus accessible que jamais grâce aux outils et aux cadres modernes.

  • Bibliothèques et cadres de travail: Les bibliothèques comme OpenCV fournissent des outils de base pour le traitement vidéo et incluent plusieurs algorithmes de suivi classiques. Les cadres modernes d'apprentissage profond tels que PyTorch et TensorFlow sont utilisés pour construire les puissants modèles de détection qui servent d'épine dorsale au suivi.
  • Modèles YOLO d'Ultralytics: Ultralytics simplifie la mise en œuvre d'un suivi performant. Les modèles tels que YOLO11 sont dotés de capacités de suivi intégrées et hautement optimisées qui peuvent être activées par une simple commande. Cette intégration permet aux développeurs de tirer parti d'une détection de pointe pour des tâches telles que la segmentation d'objets et d'instances et le suivi de poses. Vous pouvez commencer rapidement en suivant le guide sur le suivi d'objets de YOLO11.
  • Plateformes de bout en bout: Pour gérer l'ensemble du cycle de vie de l'apprentissage automatique, de l'annotation des données au déploiement des modèles, des plateformes comme Ultralytics HUB offrent une suite complète d'outils. Cela permet de rationaliser le processus de formation des modèles personnalisés et de les déployer dans des environnements de production.

Rejoindre la communauté Ultralytics

Rejoignez l'avenir de l'IA. Connectez-vous, collaborez et évoluez avec des innovateurs mondiaux.

S'inscrire
Lien copié dans le presse-papiers