Hãy tham gia cùng chúng tôi để xem xét kỹ hơn cách sử dụng Ultralytics YOLO11 để theo dõi đối tượng trong các ứng dụng thời gian thực như giám sát, nông nghiệp và sản xuất.
Giả sử bạn muốn giám sát và theo dõi chuyển động của các thành phần trên dây chuyền lắp ráp trong một cơ sở sản xuất để đảm bảo kiểm soát chất lượng và cải thiện hiệu quả quy trình làm việc. Thông thường, điều này sẽ liên quan đến việc kiểm tra thủ công hoặc sử dụng các cảm biến cơ bản để theo dõi các mục, có thể tốn thời gian và dễ xảy ra lỗi. Tuy nhiên, thị giác máy tính và theo dõi đối tượng có thể được sử dụng để tự động hóa và cải thiện quy trình này.
Theo dõi đối tượng là một tác vụ thị giác máy tính giúp phát hiện, xác định và theo dõi các đối tượng trong video. Nó có thể được sử dụng cho nhiều ứng dụng khác nhau, từ giám sát động vật trong trang trại đến an ninh và giám sát trong các cửa hàng bán lẻ . Các đối tượng được theo dõi trong video thường được hình dung bằng cách sử dụng các hộp giới hạn để giúp người dùng thấy chính xác vị trí của chúng và được phát hiện trong khung video.
Ra mắt trong sự kiện kết hợp thường niên của Ultralytics , YOLO Vision 2024 (YV24) , Ultralytics YOLO11 là một mô hình thị giác máy tính có thể xử lý nhiều tác vụ Vision AI khác nhau, bao gồm theo dõi đối tượng. Trong bài viết này, chúng ta sẽ khám phá cách thức hoạt động của theo dõi đối tượng và thảo luận về các ứng dụng trong thế giới thực. Chúng ta cũng sẽ xem xét cách bạn có thể thử theo dõi đối tượng bằng YOLO11 . Hãy bắt đầu nào!
Theo dõi đối tượng là một kỹ thuật thị giác máy tính thiết yếu. Nó giúp xác định và theo dõi các đối tượng trong video theo thời gian. Theo dõi đối tượng có vẻ rất giống với một tác vụ thị giác máy tính khác - phát hiện đối tượng . Sự khác biệt chính giữa hai tác vụ này nằm ở cách chúng xử lý các khung hình video. Phát hiện đối tượng xem xét từng khung hình riêng lẻ, xác định và phân loại đối tượng mà không xem xét các khung hình trước đó hoặc tương lai. Mặt khác, theo dõi đối tượng kết nối các điểm giữa các khung hình, theo dõi cùng một đối tượng theo thời gian và theo dõi chuyển động của chúng.
Sau đây là hướng dẫn chi tiết hơn về cách hoạt động của tính năng theo dõi đối tượng :
Ultralytics hỗ trợ theo dõi đối tượng theo thời gian thực bằng cách tận dụng các thuật toán theo dõi tiên tiến như BoT-SORT và ByteTrack . Nó cũng hoạt động liền mạch với các mô hình phân đoạn và ước tính tư thế YOLO11 , khiến nó trở thành một công cụ linh hoạt cho nhiều tác vụ theo dõi.
Khả năng đa dạng của mô hình Ultralytics YOLO11 mở ra nhiều ứng dụng khả thi trong nhiều ngành công nghiệp. Chúng ta hãy xem xét kỹ hơn một số trường hợp sử dụng theo dõi đối tượng YOLO11.
Theo dõi vật thể là yếu tố quan trọng giúp xe tự lái hoạt động an toàn và hiệu quả. Những chiếc xe này cần liên tục hiểu môi trường xung quanh để đưa ra quyết định theo thời gian thực, chẳng hạn như dừng, rẽ hoặc chuyển làn. Phát hiện vật thể cho phép xe xác định các yếu tố chính trong môi trường của nó, chẳng hạn như người đi bộ, người đi xe đạp , các phương tiện khác và biển báo giao thông. Tuy nhiên, phát hiện những vật thể này trong một khoảnh khắc là không đủ để điều hướng an toàn.
Đó là lúc theo dõi đối tượng xuất hiện. Nó cho phép xe theo dõi các đối tượng này theo thời gian, theo dõi chuyển động của chúng qua nhiều khung hình. Ví dụ, nó giúp xe tự hành dự đoán hướng đi của người đi bộ, theo dõi tốc độ và hướng đi của các phương tiện gần đó hoặc nhận ra đèn giao thông không thay đổi. Bằng cách kết hợp phát hiện và theo dõi, xe tự lái có thể dự đoán chuyển động của các đối tượng xung quanh, phản ứng chủ động và lái xe an toàn và trơn tru.
Việc theo dõi động vật trong trang trại, như gia súc, là rất quan trọng để quản lý hiệu quả, nhưng có thể là một nhiệm vụ tẻ nhạt và tốn thời gian. Các phương pháp truyền thống, chẳng hạn như sử dụng cảm biến hoặc thẻ, thường có nhược điểm. Những thiết bị này có thể gây căng thẳng cho động vật khi gắn vào và dễ bị rơi ra hoặc bị hư hỏng, làm gián đoạn việc theo dõi.
Thị giác máy tính cung cấp giải pháp tốt hơn cho người nông dân để theo dõi và giám sát động vật mà không cần thẻ vật lý. Theo dõi vật thể có thể cung cấp cho người nông dân những hiểu biết có giá trị về hành vi và sức khỏe của động vật. Ví dụ, nó có thể giúp phát hiện các tình trạng như khập khiễng ảnh hưởng đến cách động vật đi lại. Bằng cách sử dụng theo dõi vật thể, người nông dân có thể phát hiện những thay đổi nhỏ trong chuyển động và giải quyết sớm các vấn đề sức khỏe.
Ngoài việc theo dõi sức khỏe, thị giác máy tính cũng có thể giúp nông dân hiểu được các hành vi khác, chẳng hạn như tương tác xã hội, thói quen ăn uống và các kiểu di chuyển. Những hiểu biết này có thể cải thiện việc quản lý đàn, tối ưu hóa lịch trình cho ăn và thúc đẩy sức khỏe tổng thể của động vật. Bằng cách giảm bớt lao động thủ công và giảm thiểu căng thẳng cho động vật, theo dõi dựa trên thị giác máy tính là một công cụ thiết thực và hiệu quả cho nền nông nghiệp hiện đại.
Theo dõi đối tượng có nhiều trường hợp sử dụng trong lĩnh vực sản xuất . Ví dụ, hệ thống phát hiện và theo dõi đối tượng có thể giám sát các dây chuyền sản xuất. Sản phẩm hoặc nguyên liệu thô có thể dễ dàng được theo dõi và đếm khi chúng di chuyển trên băng chuyền. Các hệ thống này cũng có thể được tích hợp với các hệ thống thị giác máy tính khác để thực hiện các nhiệm vụ bổ sung. Ví dụ, một mặt hàng có lỗi có thể được xác định bằng hệ thống phát hiện lỗi và theo dõi bằng cách sử dụng theo dõi đối tượng để đảm bảo mặt hàng đó được xử lý đúng cách.
Một ứng dụng quan trọng khác của theo dõi đối tượng trong sản xuất liên quan đến an toàn . Hệ thống theo dõi đối tượng có thể được sử dụng để phát hiện và theo dõi công nhân trong môi trường sản xuất có khả năng gây nguy hiểm. Các khu vực nguy hiểm có thể được đánh dấu và giám sát liên tục bằng hệ thống thị giác máy tính và người giám sát có thể được thông báo nếu công nhân (đang được theo dõi) đến gần các khu vực đó. Các hệ thống an toàn như vậy cũng có thể được sử dụng để phát hiện và theo dõi thiết bị, ngăn ngừa khả năng bị trộm cắp.
Theo dõi đối tượng theo thời gian thực được sử dụng rộng rãi trong các hệ thống an ninh và giám sát. Các hệ thống này có thể được sử dụng để giám sát những nơi công cộng , trung tâm giao thông và các môi trường bán lẻ lớn như trung tâm mua sắm. Các khu vực đông đúc, rộng lớn có thể sử dụng công nghệ này để theo dõi những cá nhân đáng ngờ hoặc hành vi của đám đông, cung cấp giải pháp giám sát liền mạch. Ví dụ, trong thời kỳ đại dịch, các hệ thống theo dõi đối tượng đã được sử dụng để theo dõi các khu vực đông đúc và đảm bảo rằng mọi người duy trì khoảng cách xã hội.
Theo dõi đối tượng cũng có thể được sử dụng trong giám sát giao thông . Theo dõi đối tượng giúp theo dõi và phân tích cách các phương tiện hoạt động, phát hiện các hành động bất thường hoặc đáng ngờ theo thời gian thực để giúp ngăn ngừa tai nạn hoặc tội phạm. Một ví dụ điển hình là hệ thống ước tính tốc độ . Chúng có thể phát hiện và theo dõi một phương tiện để xác định tốc độ của nó.
Bây giờ chúng ta đã khám phá một số ứng dụng theo dõi đối tượng, hãy cùng thảo luận về cách bạn có thể dùng thử ứng dụng này bằng mô hình Ultralytics YOLO11 .
Để bắt đầu, hãy cài đặt gói Ultralytics Python bằng pip, conda hoặc Docker. Nếu bạn gặp bất kỳ thách thức nào trong quá trình cài đặt, Hướng dẫn về các vấn đề thường gặp của chúng tôi cung cấp các mẹo khắc phục sự cố hữu ích.
Sau khi bạn đã cài đặt thành công gói, hãy chạy mã sau. Mã này phác thảo cách tải Ultralytics Mô hình YOLO11 và sử dụng nó để theo dõi các đối tượng trong tệp video. Mô hình được sử dụng trong mã là “yolo11n.pt”. Chữ 'n' là viết tắt của Nano - biến thể nhỏ nhất của mô hình YOLO11. Ngoài ra còn có các biến thể mô hình khác để lựa chọn - nhỏ, trung bình, lớn và cực lớn.
Bạn cũng có thể chọn sử dụng mô hình được đào tạo tùy chỉnh thay vì mô hình được đào tạo trước. Đào tạo tùy chỉnh bao gồm tinh chỉnh mô hình được đào tạo trước để phù hợp với ứng dụng cụ thể của bạn.
Như đã đề cập trước đó, theo dõi đối tượng được hỗ trợ cho các mô hình YOLO11 sau: phát hiện đối tượng, ước tính tư thế và phân đoạn thể hiện . Nếu bạn có một ứng dụng cụ thể liên quan đến theo dõi, bạn có thể tùy chỉnh đào tạo bất kỳ mô hình nào trong số này tùy thuộc vào ứng dụng của bạn. Bạn có thể tùy chỉnh đào tạo một mô hình bằng cách sử dụng gói Python Ultralytics hoặc nền tảng không cần mã , Ultralytics HUB .
Ultralytics YOLO11 là một công cụ tuyệt vời để theo dõi các đối tượng trong video và có thể được sử dụng trong nhiều lĩnh vực khác nhau, chẳng hạn như xe tự lái, nông nghiệp, sản xuất và an ninh. Nó có thể phát hiện và theo dõi các đối tượng theo thời gian thực, giúp các doanh nghiệp và ngành công nghiệp theo dõi công nhân và thiết bị của họ. Mô hình này dễ sử dụng và có thể tùy chỉnh cho các nhu cầu cụ thể, khiến nó trở thành một lựa chọn tốt cho bất kỳ ai quan tâm đến việc áp dụng các khả năng thị giác máy tính một cách liền mạch.
Để tìm hiểu thêm, hãy truy cập kho lưu trữ GitHub của chúng tôi và tham gia cộng đồng của chúng tôi. Khám phá các ứng dụng AI trong xe tự lái và nông nghiệp trên các trang giải pháp của chúng tôi. 🚀
Bắt đầu hành trình của bạn với tương lai của machine learning
