Link to this sectionنظرة عامة على مجموعات بيانات تتبع الأجسام المتعددة#

تتبع الأجسام المتعددة هو مكون حاسم في تحليلات الفيديو يقوم بتحديد الأجسام والحفاظ على معرفات فريدة لكل جسم مكتشف عبر إطارات الفيديو. يوفر Ultralytics YOLO قدرات تتبع قوية يمكن تطبيقها في مجالات متنوعة بما في ذلك المراقبة، وتحليلات الرياضة، ومراقبة المرور.

Link to this sectionتنسيق مجموعة البيانات (قريباً)#

يعيد تتبع Ultralytics حالياً استخدام نماذج الكشف أو التجزئة أو الوضع دون الحاجة إلى تدريب خاص بالمتتبع. دعم تدريب المتتبع الأصلي قيد التطوير النشط.

Link to this sectionالمتتبعات المتاحة#

يدعم Ultralytics YOLO خوارزميات التتبع التالية:

• BoT-SORT - استخدم botsort.yaml لتمكين هذا المتتبع (افتراضي)
• ByteTrack - استخدم bytetrack.yaml لتمكين هذا المتتبع
• OC-SORT - استخدم ocsort.yaml لتمكين هذا المتتبع
• Deep OC-SORT - استخدم deepocsort.yaml لتمكين هذا المتتبع
• FastTracker - استخدم fasttrack.yaml لتمكين هذا المتتبع
• TrackTrack - استخدم tracktrack.yaml لتمكين هذا المتتبع

Link to this sectionالاستخدام#

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
results = model.track(source="https://youtu.be/LNwODJXcvt4", conf=0.1, iou=0.7, show=True)

Link to this sectionاستمرار التتبع بين الإطارات#

للتتبع المستمر عبر إطارات الفيديو، يمكنك استخدام المعامل persist=True:

import cv2

from ultralytics import YOLO

# Load the YOLO model
model = YOLO("yolo26n.pt")

# Open the video file
cap = cv2.VideoCapture("path/to/video.mp4")

while cap.isOpened():
    success, frame = cap.read()
    if success:
        # Run tracking with persistence between frames
        results = model.track(frame, persist=True)

        # Visualize the results
        annotated_frame = results[0].plot()
        cv2.imshow("Tracking", annotated_frame)

        if cv2.waitKey(1) & 0xFF == ord("q"):
            break
    else:
        break

cap.release()
cv2.destroyAllWindows()

Link to this sectionالأسئلة الشائعة#

Link to this sectionكيف يمكنني استخدام تتبع الأجسام المتعددة مع Ultralytics YOLO؟#

لاستخدام تتبع الأجسام المتعددة مع Ultralytics YOLO، يمكنك البدء باستخدام أمثلة Python أو CLI المتاحة. إليك كيفية البدء:

from ultralytics import YOLO

model = YOLO("yolo26n.pt")  # Load the YOLO26 model
results = model.track(source="https://youtu.be/LNwODJXcvt4", conf=0.1, iou=0.7, show=True)

تقوم هذه الأوامر بتحميل نموذج YOLO26 واستخدامه لتتبع الأجسام في مصدر الفيديو المحدد مع عتبات ثقة (conf) وIntersection over Union (iou) محددة. لمزيد من التفاصيل، راجع توثيق وضع التتبع.

Link to this sectionما هي الميزات القادمة لتدريب المتتبعات في Ultralytics؟#

تعمل Ultralytics باستمرار على تحسين نماذج الذكاء الاصطناعي الخاصة بها. ميزة قادمة ستمكن من تدريب المتتبعات المستقلة. حتى ذلك الحين، يستفيد نموذج الكشف عن الأجسام المتعددة من نماذج الكشف أو التجزئة أو الوضع المدربة مسبقاً للتتبع دون الحاجة إلى تدريب مستقل. ابق على اطلاع بمتابعة مدونتنا.

Link to this sectionلماذا يجب أن أستخدم Ultralytics YOLO لتتبع الأجسام المتعددة؟#

يعد Ultralytics YOLO نموذجاً متطوراً لـ اكتشاف الأجسام معروف بأدائه في الوقت الفعلي ودقة عالية. يوفر استخدام YOLO لتتبع الأجسام المتعددة العديد من المزايا:

• التتبع في الوقت الفعلي: تحقيق تتبع فعال وعالي السرعة ومثالي للبيئات الديناميكية.
• المرونة مع النماذج المدربة مسبقاً: لا حاجة للتدريب من الصفر؛ ببساطة استخدم نماذج الكشف أو التجزئة أو الوضع المدربة مسبقاً.
• سهولة الاستخدام: تجعل تكامل واجهة برمجة التطبيقات البسيط مع كل من Python وCLI إعداد خطوط أنابيب التتبع أمراً مباشراً.
• توثيق واسع ودعم المجتمع: توفر Ultralytics توثيقاً شاملاً ومنتدى مجتمعياً نشطاً لاستكشاف الأخطاء وإصلاحها وتحسين نماذج التتبع الخاصة بك.

لمزيد من التفاصيل حول إعداد واستخدام YOLO للتتبع، تفضل بزيارة دليل استخدام التتبع.

Link to this sectionهل يمكنني استخدام مجموعات بيانات مخصصة لتتبع الأجسام المتعددة مع Ultralytics YOLO؟#

نعم، يمكنك استخدام مجموعات بيانات مخصصة لتتبع الأجسام المتعددة مع Ultralytics YOLO. على الرغم من أن دعم تدريب المتتبع المستقل هو ميزة قادمة، يمكنك بالفعل استخدام نماذج مدربة مسبقاً على مجموعات البيانات المخصصة الخاصة بك. قم بإعداد مجموعات البيانات الخاصة بك بالتنسيق المناسب المتوافق مع YOLO واتبع التوثيق لدمجها.

Link to this sectionكيف أفسر النتائج من نموذج تتبع Ultralytics YOLO؟#

بعد تشغيل مهمة تتبع باستخدام Ultralytics YOLO، تتضمن النتائج نقاط بيانات مختلفة مثل معرفات الأجسام المتعقبة، ومربعات الإحاطة الخاصة بها، ودرجات الثقة. إليك نظرة عامة موجزة حول كيفية تفسير هذه النتائج:

• معرفات التتبع: يتم تعيين معرف فريد لكل جسم، مما يساعد في تتبعه عبر الإطارات.
• مربعات الإحاطة: تشير هذه إلى موقع الأجسام المتعقبة داخل الإطار.
• درجات الثقة: تعكس هذه ثقة النموذج في اكتشاف الجسم المتعقب.

للحصول على إرشادات مفصلة حول تفسير هذه النتائج وتصورها، راجع دليل معالجة النتائج.

Link to this sectionكيف يمكنني تخصيص تكوين المتتبع؟#

يمكنك تخصيص المتتبع عن طريق إنشاء نسخة معدلة من ملف تكوين المتتبع. انسخ ملف تكوين متتبع موجود من ultralytics/cfg/trackers، وعدل المعلمات حسب الحاجة، وحدد هذا الملف عند تشغيل المتتبع:

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
results = model.track(source="video.mp4", tracker="custom_tracker.yaml")