Come utilizzare ultralytics YOLO11 per il tracciamento degli oggetti

Abirami Vina

4 minuti di lettura

20 novembre 2024

Scoprite con noi come utilizzare Ultralytics YOLO11 per il tracciamento degli oggetti in applicazioni in tempo reale come la sorveglianza, l'agricoltura e la produzione.

Supponiamo di voler monitorare e tracciare il movimento dei componenti su una linea di assemblaggio in uno stabilimento di produzione per garantire il controllo della qualità e migliorare l'efficienza del flusso di lavoro. In genere, ciò comporta ispezioni manuali o l'uso di sensori di base per tracciare gli oggetti, il che può richiedere molto tempo ed essere soggetto a errori. Tuttavia, la visione artificiale e il tracciamento degli oggetti possono essere utilizzati per automatizzare e migliorare questo processo. 

Il tracciamento degli oggetti è un'attività di computer vision che aiuta a rilevare, identificare e seguire gli oggetti in un video. Può essere utilizzato per un'ampia varietà di applicazioni, dal monitoraggio degli animali nelle fattorie alla sicurezza e alla sorveglianza nei negozi. Gli oggetti tracciati in un video sono solitamente visualizzati con caselle di delimitazione per aiutare l'utente a vedere esattamente dove si trovano e vengono rilevati all'interno del fotogramma video.

Lanciato durante l'evento ibrido annuale di Ultralytics, YOLO Vision 2024 (YV24), Ultralytics YOLO11 è un modello di visione computerizzata in grado di gestire un'ampia gamma di attività di Vision AI, tra cui il tracciamento degli oggetti. In questo articolo esploreremo il funzionamento del tracciamento degli oggetti e discuteremo delle applicazioni reali. Inoltre, vedremo come provare il tracciamento degli oggetti con YOLO11. Iniziamo!

__wf_reserved_inherit
Figura 1. Un esempio di utilizzo di YOLO11 per il tracciamento di oggetti in un negozio al dettaglio.

Tracciamento degli oggetti con l'AI con YOLO11

Il tracciamento degli oggetti è una tecnica di computer vision essenziale. Consente di identificare e seguire nel tempo gli oggetti presenti in un video. Il tracciamento degli oggetti può sembrare molto simile a un'altra attività di computer vision, il rilevamento degli oggetti. La differenza fondamentale tra le due tecniche sta nel modo in cui gestiscono i fotogrammi video. Il rilevamento degli oggetti esamina ogni singolo fotogramma, identificando e classificando gli oggetti senza considerare i fotogrammi precedenti o futuri. Il tracciamento degli oggetti, invece, collega i punti tra i fotogrammi, seguendo gli stessi oggetti nel tempo e tenendo traccia dei loro movimenti.

Ecco una descrizione più dettagliata del funzionamento del tracciamento degli oggetti:

  • Rilevamento degli oggetti: Il processo inizia con il rilevamento degli oggetti in un singolo fotogramma di un video. YOLO11 può essere utilizzato per identificare con precisione più oggetti e la loro posizione.
  • Assegnare ID univoci: A ogni oggetto rilevato viene assegnato un ID univoco per distinguerlo dagli altri e facilitarne la localizzazione.
  • Tracciamento del movimento attraverso i fotogrammi: Un algoritmo di tracciamento segue gli oggetti nei fotogrammi successivi, aggiornando le loro posizioni e mantenendo l'associazione con i loro ID univoci.
  • Gestione delle occlusioni: Se un oggetto scompare temporaneamente dalla vista (ad esempio, bloccato da un altro oggetto), il sistema assicura che il tracciamento riprenda quando l'oggetto riappare.
  • Aggiornare le informazioni sugli oggetti: Quando gli oggetti si muovono, le loro posizioni e i loro attributi (come la velocità o la direzione) vengono continuamente aggiornati per riflettere i cambiamenti nel tempo.

Ultralytics supporta il tracciamento degli oggetti in tempo reale sfruttando algoritmi di tracciamento avanzati come BoT-SORT e ByteTrack. Funziona inoltre perfettamente con i modelli YOLO11 di segmentazione e stima della posa, rendendolo uno strumento flessibile per un'ampia gamma di attività di tracciamento.

Applicazioni del tracciamento di oggetti YOLO11

Le versatili capacità del modello YOLO11 di Ultralytics aprono una vasta gamma di applicazioni possibili in molti settori. Vediamo nel dettaglio alcuni casi d'uso del modello YOLO11 per il tracciamento degli oggetti.

YOLO11 per il tracciamento autonomo dei veicoli

Il tracciamento degli oggetti è fondamentale per aiutare le auto a guida autonoma a operare in modo sicuro ed efficiente. Questi veicoli devono comprendere costantemente l'ambiente circostante per prendere decisioni in tempo reale, come fermarsi, svoltare o cambiare corsia. Il rilevamento degli oggetti consente all'auto di identificare gli elementi chiave del suo ambiente, come pedoni, ciclisti, altri veicoli e segnali stradali. Tuttavia, il rilevamento di questi oggetti in un singolo momento non è sufficiente per una navigazione sicura.

È qui che entra in gioco il tracciamento degli oggetti. Il sistema consente all'auto di seguire questi oggetti nel tempo, tracciandone i movimenti su più fotogrammi. Ad esempio, aiuta i veicoli autonomi a prevedere la direzione di un pedone, a monitorare la velocità e la direzione dei veicoli vicini o a riconoscere che un semaforo non è cambiato. Combinando rilevamento e tracciamento, le auto a guida autonoma possono anticipare il movimento degli oggetti intorno a loro, rispondere in modo proattivo e guidare in modo sicuro e fluido.

__wf_reserved_inherit
Figura 2. YOLO11 può essere utilizzato per rilevare e seguire le auto.

Utilizzo del tracciamento degli oggetti YOLO11 per monitorare gli animali

Tracciare gli animali di un'azienda agricola, come il bestiame, è fondamentale per una gestione efficace, ma può essere un compito noioso e lungo. I metodi tradizionali, come l'uso di sensori o etichette, hanno spesso degli svantaggi. Questi dispositivi possono stressare gli animali quando vengono attaccati e sono inclini a cadere o a danneggiarsi, interrompendo così la tracciabilità.

La computer vision offre agli allevatori una soluzione migliore per monitorare e seguire gli animali senza la necessità di etichette fisiche. Il tracciamento degli oggetti può fornire agli allevatori preziose informazioni sul comportamento e sulla salute degli animali. Ad esempio, può aiutare a rilevare condizioni come la zoppia che influiscono sul modo in cui un animale cammina. Utilizzando il tracciamento degli oggetti, gli allevatori possono individuare sottili cambiamenti nei movimenti e affrontare tempestivamente i problemi di salute.

Oltre al monitoraggio della salute, la computer vision può aiutare gli allevatori a comprendere altri comportamenti, come le interazioni sociali, le abitudini alimentari e i modelli di movimento. Queste informazioni possono migliorare la gestione della mandria, ottimizzare i programmi di alimentazione e promuovere il benessere generale degli animali. Riducendo il lavoro manuale e lo stress degli animali, il monitoraggio basato sulla computer vision è uno strumento pratico ed efficiente per l'agricoltura moderna.

__wf_reserved_inherit
Figura 3. Utilizzo di YOLO11 per seguire gli agricoltori e una mucca.

Tracciamento di oggetti in produzione con YOLO11

Il tracciamento degli oggetti ha molti casi d'uso nel settore manifatturiero. Ad esempio, i sistemi di rilevamento e tracciamento degli oggetti possono monitorare le linee di produzione. I prodotti o le materie prime possono essere facilmente tracciati e contati mentre si muovono su un nastro trasportatore. Questi sistemi possono anche essere integrati con altri sistemi di visione computerizzata per svolgere compiti aggiuntivi. Ad esempio, un articolo con un difetto può essere identificato con un sistema di rilevamento dei difetti e seguito con il tracciamento degli oggetti per assicurarsi che venga trattato correttamente.

Un'altra importante applicazione del tracciamento degli oggetti nella produzione è legata alla sicurezza. I sistemi di tracciamento degli oggetti possono essere utilizzati per individuare e seguire i lavoratori in ambienti produttivi potenzialmente pericolosi. Le aree pericolose possono essere segnalate e monitorate costantemente con sistemi di visione computerizzata e i supervisori possono essere avvisati se i lavoratori (tracciati) si avvicinano a tali aree. Questi sistemi di sicurezza possono essere utilizzati anche per rilevare e tracciare le attrezzature, evitando il rischio di furti. 

__wf_reserved_inherit
Figura 4. Un esempio di rilevamento di oggetti YOLO11 utilizzato per individuare i lavoratori.

Tracciamento e sorveglianza di oggetti con YOLO11

Il tracciamento degli oggetti in tempo reale è ampiamente utilizzato nei sistemi di sicurezza e sorveglianza. Questi sistemi possono essere utilizzati per monitorare luoghi pubblici, snodi di trasporto e grandi ambienti di vendita al dettaglio come i centri commerciali. Le grandi aree affollate possono utilizzare questa tecnologia per tracciare individui sospetti o il comportamento della folla, fornendo una soluzione di sorveglianza continua. Ad esempio, durante la pandemia, i sistemi di tracciamento degli oggetti sono stati utilizzati per monitorare le aree affollate e assicurarsi che le persone mantenessero le distanze sociali.

Il tracciamento degli oggetti può essere utilizzato anche per la sorveglianza del traffico. Il tracciamento degli oggetti consente di tracciare e analizzare il comportamento dei veicoli, individuando in tempo reale azioni insolite o sospette per aiutare a prevenire incidenti o crimini. Un buon esempio sono i sistemi di stima della velocità. Sono in grado di rilevare e seguire un veicolo per determinarne la velocità.

__wf_reserved_inherit
Figura 5. La stima della velocità può essere effettuata utilizzando il tracciamento degli oggetti.

Prova il tracciamento degli oggetti con Ultralytics YOLO11

Ora che abbiamo esplorato alcune delle applicazioni di tracciamento degli oggetti, discutiamo di come provarle utilizzando il modello YOLO11 di Ultralytics

Per iniziare, installate il pacchetto Ultralytics Python usando pip, conda o Docker. In caso di problemi durante l'installazione, la nostra Guida ai problemi comuni offre utili suggerimenti per la risoluzione dei problemi. 

Dopo aver installato correttamente il pacchetto, eseguire il codice seguente. Esso spiega come caricare il modello YOLO11 di Ultralytics e utilizzarlo per tracciare gli oggetti in un file video. Il modello utilizzato nel codice è "yolo11n.pt". La 'n' sta per Nano, la variante più piccola del modello YOLO11. È possibile scegliere tra altre varianti del modello: piccola, media, grande ed extra-large.

__wf_reserved_inherit
Figura 6. Uno snippet di codice che mostra il tracciamento di un oggetto utilizzando il modello YOLO11.

Si può anche scegliere di utilizzare un modello addestrato su misura invece di un modello preaddestrato. L'addestramento personalizzato prevede la messa a punto di un modello pre-addestrato per adattarlo all'applicazione specifica

Come già detto, il tracciamento degli oggetti è supportato per i seguenti modelli di YOLO11: rilevamento degli oggetti, stima della posa e segmentazione dell'istanza. Se si dispone di un'applicazione specifica che prevede il tracciamento, è possibile addestrare in modo personalizzato uno qualsiasi di questi modelli, a seconda dell'applicazione. È possibile addestrare un modello personalizzato utilizzando il pacchetto Ultralytics Python o la piattaforma no-code, Ultralytics HUB

Punti di forza

Ultralytics YOLO11 è un ottimo strumento per il tracciamento degli oggetti nei video e può essere utilizzato in molti campi diversi, come le auto a guida autonoma, l'agricoltura, la produzione e la sicurezza. È in grado di rilevare e seguire gli oggetti in tempo reale, aiutando le aziende e le industrie a tenere sotto controllo i propri lavoratori e le proprie attrezzature. Il modello è facile da usare e può essere personalizzato per esigenze specifiche, il che lo rende una buona opzione per chiunque sia interessato ad adottare le funzionalità di visione computerizzata senza soluzione di continuità. 

Per saperne di più, visitate il nostro repository GitHub e partecipate alla nostra comunità. Esplorate le applicazioni dell'intelligenza artificiale nelle auto a guida autonoma e nell'agricoltura sulle nostre pagine dedicate alle soluzioni. 🚀

Costruiamo insieme il futuro
dell'IA!

Iniziate il vostro viaggio nel futuro dell'apprendimento automatico

Iniziare gratuitamente
Link copiato negli appunti