物体追跡

物体追跡の仕組み

物体追跡は通常、次のような物体検出器を使用して最初のフレームで物体を検出することから始まります。 Ultralytics YOLO.オブジェクトが検出されると（通常バウンディングボックスで表現される）、トラッキングアルゴリズムはそのオブジェクトにユニークなIDを割り当てます。その後のフレームでは、アルゴリズムは以前の動きと外観に基づいてオブジェクトの新しい位置を予測します。そして、現在の検出を既存のトラッキングされたオブジェクトと関連付け、パスを更新し、IDを維持します。このプロセスは、オブジェクトが一時的に隠れたり（オクルージョン）、外観が変化したり、他のオブジェクトと相互作用したり、照明やカメラの視点が変化したりするような課題を処理しなければならない。一般的な手法には、動き予測のためのカルマンフィルタのようなフィルタリング手法や、ロバストな関連付けのために動きと外観の特徴を組み合わせるDeepSORTのようなディープラーニングアプローチがあります（DeepSORTの詳細はこちら）。

関連概念との主な違い

オブジェクト・トラッキングを他のコンピュータ・ビジョン・タスクと区別することは重要だ：

• オブジェクト検出：フレーム間でリンクさせることなく、1つのフレーム内のオブジェクト（例えば、「ここに車がある」「ここに人がいる」）を識別し、位置を特定する。トラッキングは、時間的な次元を追加し、同じ車や人を時間をかけて追跡する。
• 画像の分類：画像全体に単一のラベルを割り当てる（例：「この画像には猫が写っている」）。個々のオブジェクトの位置や追跡は行わない。
• 画像分割：画像の各ピクセルを分類し、詳細なオブジェクトマスクを作成する。トラッキングはバウンディングボックスを使用することが多いが、インスタンスセグメンテーションとトラッキングと呼ばれる、より正確なトラッキングのためにセグメンテーションと組み合わせることができる。

実世界での応用

オブジェクトのトラッキングは、実世界の数多くのAIアプリケーションにとって極めて重要である：

1. 自律走行車：自動運転車は、他の車両、歩行者、自転車、障害物の動きを監視するために、トラッキングに大きく依存しています。この継続的な認識は、安全なナビゲーション、進路計画、衝突回避に不可欠であり、さまざまなレベルの自動運転に貢献しています。Ultralytics 自動運転車向けAIソリューションをご覧ください。
2. リテール・アナリティクス：店舗は、店内の動線、特定エリアでの滞留時間、行列の長さなど、顧客の行動を把握するためにトラッキングを活用している。このデータは、店舗レイアウト、商品配置、人員配置の最適化に役立ちます。キュー・マネジメントと リージョン・カウントのガイドをご覧ください。
3. 監視とセキュリティセキュリティ映像の人物や車両を追跡することで、立入禁止区域の監視、異常な活動の検出、関心のある対象の追跡に役立ちます。セキュリティアラームシステムのガイドを参照してください。
4. スポーツ分析：選手とボールを追跡することで、選手のパフォーマンス、チームの戦略、ゲームのダイナミクスに関する詳細な統計情報を提供します。スポーツにおけるコンピュータ・ビジョンの詳細をご覧ください。
5. ロボティクスロボットはトラッキングを利用して物体と相互作用し、環境をナビゲートし、人間と協力する。
6. 野生動物のモニタリング研究者は動物を追跡し、行動、移動パターン、個体数を調査します。動物モニタリングのためのUltralytics YOLOv8 どのように機能するかをご覧ください。

Ultralytics物体追跡

Ultralytics 、オブジェクトトラッキングを実装するための強力なツールを提供します。モデル YOLOv8や YOLO11のようなモデルは最先端のオブジェクト検出を提供し、正確なトラッキングの基盤を形成します。Ultralytics フレームワークには、BoT-SORTや ByteTrackのような効率的なトラッキングアルゴリズムをビルトインでサポートする専用のトラッキングモードが含まれています。ユーザーはUltralytics Python パッケージを使ってトラッキング・ソリューションを簡単に実装したり、Ultralytics HUBを使ってトレーニングからデプロイまでワークフロー全体を管理することができます。