Ultralytics YOLO11 を使った物体追跡の方法

例えば、製造施設の組立ラインで部品の動きを監視・追跡し、品質管理とワークフローの効率化を図りたいとします。一般的には、手作業で検査したり、基本的なセンサーを使用してアイテムを追跡したりすることになりますが、これには時間がかかり、エラーも発生しがちです。しかし、コンピュータ・ビジョンと オブジェクト・トラッキングを使えば、このプロセスを自動化し、強化することができる。 

オブジェクトトラッキングは、ビデオ内のオブジェクトを検出、識別、追跡するためのコンピュータビジョンタスクである。農場での動物モニタリングから 小売店でのセキュリティや 監視まで、様々な用途に使用することができます。ビデオ内で追跡されるオブジェクトは、通常、バウンディングボックスを使用して視覚化され、ビデオフレーム内のどこに位置し、検出されたかをユーザーが正確に確認できるようにします。

Ultralytics' 年次ハイブリッドイベント、YOLO Vision 2024 (YV24)で発表された、 Ultralytics YOLO11は、物体追跡を含む様々なVision AIタスクを処理できるコンピュータビジョンモデルです。この記事では、物体追跡がどのように機能するのかを探り、実際のアプリケーションについて説明します。また、YV24を使ってオブジェクトトラッキングを試す方法も紹介します。 YOLO11.それでは始めましょう！

‍

AIによる物体追跡YOLO11

オブジェクト・トラッキングは、コンピュータ・ビジョンに不可欠な技術である。これにより、ビデオ内のオブジェクトを識別し、時間経過とともに追跡することが可能になります。オブジェクトトラッキングは、コンピュータビジョンのもう一つのタスクであるオブジェクト検出と非常に似ているように見えます。この2つの決定的な違いは、ビデオフレームの扱い方にあります。オブジェクト検出は各フレームを個別に見て、前後のフレームを考慮することなくオブジェクトを識別・分類します。一方、オブジェクトトラッキングはフレーム間の点と点を結びつけ、同じオブジェクトを時間をかけて追いかけ、その動きを追跡します。

ここでは、オブジェクト・トラッキングがどのように機能するかについて、より詳しく説明する：

• 物体検出:このプロセスは、ビデオの単一フレーム内のオブジェクトを検出することから始まります。 YOLO11は、複数のオブジェクトとその位置を正確に識別するために使用できます。
• 一意のIDを割り当てる：検出された各オブジェクトには、他のオブジェクトと区別し、追跡しやすくするために一意のIDが与えられます。
• 動きを追う フレームをまたぐ：追跡アルゴリズムは、一意のIDとの関連付けを維持しながら位置を更新し、後続のフレームにわたってオブジェクトを追跡する。
• オクルージョンの処理：オブジェクトが一時的に視界から消えた場合（他のオブジェクトに遮られるなど）、システムはオブジェクトが再び現れるとトラッキングが再開されるようにします。
• オブジェクト情報の更新：オブジェクトが移動すると、その位置や属性（速度や方向など）が継続的に更新され、時間の経過による変化を反映します。

Ultralytics は、BoT-SORTやByteTrack のような高度なトラッキングアルゴリズムを活用することで、リアルタイムのオブジェクトトラッキングをサポートします。また、セグメンテーションや ポーズ推定 YOLO11 モデルともシームレスに動作し、幅広いトラッキングタスクに対応する柔軟なツールとなっています。

YOLO11 オブジェクト・トラッキングの応用

Ultralytics YOLO11 モデルの多彩な機能は、多くの産業で可能なアプリケーションの幅を広げます。YOLO11 オブジェクト追跡の使用例を詳しく見てみよう。

YOLO11 自律走行車追跡用

物体追跡は、自動運転車が安全かつ効率的に走行するために極めて重要である。これらの車両は、停止、旋回、車線変更などのリアルタイムな判断を下すために、常に周囲の状況を把握する必要がある。物体検出により、歩行者、自転車、他の車両、交通標識など、周囲の重要な要素を識別することができる。しかし、これらの物体を一瞬で検出するだけでは、安全なナビゲーションには不十分だ。

そこで登場するのがオブジェクト・トラッキングだ。複数のフレームにまたがって物体の動きを追跡することで、クルマはこれらの物体を時系列で追うことができる。例えば、歩行者がどこに向かっているかを予測したり、近くの車の速度と方向を監視したり、信号が変わっていないことを認識したりするのに役立つ。検知と追跡を組み合わせることで、自動運転車は周囲の物体の動きを予測し、積極的に反応し、安全かつスムーズに走行することができる。

‍

YOLO11 オブジェクト・トラッキングを使った動物のモニタリング

牛のような農場の家畜を追跡することは、効果的な管理のために不可欠であるが、面倒で時間のかかる作業である。センサーやタグを使うような従来の方法には、しばしば欠点がある。これらのデバイスは、装着時に動物にストレスを与える可能性があり、脱落したり破損したりしやすいため、追跡が中断されるのだ。

コンピュータ・ビジョンは、農家が物理的なタグを必要とせずに動物を監視・追跡するためのより良いソリューションを提供する。オブジェクト・トラッキングは、動物の行動や健康状態に関する貴重な洞察を農家に与えることができる。例えば、動物の歩き方に影響を与える跛行などの状態を検出するのに役立ちます。オブジェクトトラッキングを使用することで、農家は動きの微妙な変化を発見し、健康上の問題に早期に対処することができる。

健康モニタリングだけでなく、コンピュータービジョンは 、社会的相互作用、食習慣、移動パターンなど、その他の行動を理解するのにも役立つ。これらの洞察は、牛群管理を改善し、給餌スケジュールを最適化し、動物の全体的な幸福を促進することができます。手作業を減らし、家畜のストレスを最小限に抑えることで、コンピューター・ビジョンを利用したトラッキングは、現代の農業にとって実用的で効率的なツールとなります。

‍

製造業における物体追跡YOLO11

物体追跡は、製造分野で多くの使用例がある。例えば、物体検知・追跡システムは生産ラインを監視することができる。ベルトコンベア上を移動する製品や原材料を簡単に追跡し、カウントすることができます。また、これらのシステムは、他のコンピューター・ビジョン・システムと統合して 、追加タスクを実行することもできる。例えば、欠陥のある製品を欠陥検出システムで識別し、オブジェクト・トラッキングで追跡することで、欠陥が適切に処理されるようにすることができます。

製造業における物体追跡のもう一つの重要な応用は、安全性に関連するものである。物体追跡システムは、潜在的に危険な製造環境における作業員の検出と追跡に使用することができる。危険な領域は、コンピューター・ビジョン・システムを使ってマークし、常時監視することができ、（追跡されている）作業員がそのような領域に近づいた場合、監督者に通知することができる。このような安全システムは、機器の検出と追跡にも使用でき、盗難の可能性を防ぐことができる。 

‍

物体の追跡と監視YOLO11

リアルタイム物体追跡は、セキュリティや監視システムで広く使われている。これらのシステムは、公共の場所、交通機関のハブ、ショッピングモールのような大規模な小売環境の 監視に使用することができます。大規模で混雑した場所では、このテクノロジーを使って不審者や群衆の行動を追跡し、シームレスな監視ソリューションを提供することができる。例えば、パンデミックの際には、物体追跡システムが混雑した場所を追跡し、人々が社会的距離を保っていることを確認するために使用された。

物体追跡は交通監視にも利用できる。物体追跡によって、車両の挙動を追跡・分析することが可能になり、異常な行動や不審な行動をリアルタイムで発見し、事故や犯罪の防止に役立てることができる。その好例が速度推定システムだ。車両を検出して追跡し、その速度を割り出すことができる。

‍

オブジェクト・トラッキングを試すUltralytics YOLO11

さて、オブジェクト追跡の応用例をいくつか探ったところで、Ultralytics YOLO11 モデルを使ってどのように試すことができるかを説明しよう。 

始めるには、pip、conda、またはDockerを使用して、Ultralytics Python パッケージをインストールします。インストール中に何らかの問題に直面した場合は、「よくある問題ガイド」に役立つトラブルシューティングのヒントが掲載されています。 

パッケージを正常にインストールしたら、以下のコードを実行してください。Ultralytics YOLO11 モデルをロードし、それを使ってビデオファイル内のオブジェクトを追跡する方法の概要です。このコードで使われているモデルは "yolo11n.pt "です。n」はNanoを表し、YOLO11 モデルの最小のバリエーションです。その他にも、スモール、ミディアム、ラージ、エクストララージのモデルバリエーションがあります。

‍

また、事前学習済みモデルではなく、カスタム学習済みモデルを使用することもできます。カスタムトレーニングでは、事前にトレーニングされたモデルを特定のアプリケーションに合うように微調整します。 

前述したように、オブジェクトトラッキングは以下のYOLO11 モデルでサポートされています：オブジェクト検出、ポーズ推定、インスタンスセグメンテーション。トラッキングを含む特定のアプリケーションがある場合、アプリケーションに応じてこれらのモデルのいずれかをカスタムトレーニングすることができます。モデルのカスタムトレーニングは、Ultralytics Python パッケージ、またはノーコードプラットフォーム、Ultralytics HUB を使って行うことができます。 

要点

Ultralytics YOLO11 は、ビデオ内の物体を追跡するための優れたツールであり、自動運転車、農業、製造業、セキュリティなど、さまざまな分野で使用できる。リアルタイムで物体を検出し、追跡することができるため、企業や業界が作業員や設備を追跡するのに役立ちます。このモデルは使いやすく、特定のニーズに合わせてカスタマイズできるため、コンピューター・ビジョンの機能をシームレスに導入したいと考えている人には良い選択肢となる。 

詳しくはGitHubリポジトリをご覧ください。自動運転車や 農業におけるAIアプリケーションについては、ソリューションページをご覧ください。🚀