Multi-Objekt-Tracking-Datensätze Übersicht
Die Verfolgung von mehreren Objekten ist eine wichtige Komponente in der Videoanalyse, die Objekte identifiziert und eindeutige IDs für jedes erkannte Objekt über alle Videobilder hinweg beibehält. Ultralytics YOLO bietet leistungsstarke Verfolgungsfunktionen, die in verschiedenen Bereichen eingesetzt werden können, darunter Überwachung, Sportanalyse und Verkehrsüberwachung.
Datensatzformat (demnächst)
Der Multi-Objekt-Detektor benötigt kein eigenständiges Training und unterstützt direkt vortrainierte Erkennungs-, Segmentierungs- oder Pose-Modelle. Unterstützung für das Training von Trackern allein ist in Kürze verfügbar.
Verfügbare Tracker
Ultralytics YOLO unterstützt die folgenden Verfolgungsalgorithmen:
- BoT-SORT - Verwendung
botsort.yamlum diesen Tracker zu aktivieren (Standard) - ByteTrack - Verwendung
bytetrack.yamlum diesen Tracker zu aktivieren
Verwendung
Beispiel
Tracks zwischen Frames beibehalten
Für eine kontinuierliche Verfolgung über Videobilder hinweg können Sie die Funktion persist=True Parameter:
Beispiel
import cv2
from ultralytics import YOLO
# Load the YOLO model
model = YOLO("yolo11n.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()
FAQ
Wie verwende ich Multi-Object Tracking mit Ultralytics YOLO ?
Um das Multi-Object-Tracking mit Ultralytics YOLO zu verwenden, können Sie mit den Beispielen Python oder CLI beginnen. So können Sie loslegen:
Beispiel
Diese Befehle laden das Modell YOLO11 und verwenden es zur Verfolgung von Objekten in der gegebenen Videoquelle mit einer bestimmten Zuverlässigkeit (conf) und Kreuzung über Union (iou) Schwellenwerte. Weitere Einzelheiten finden Sie in der Dokumentation zum Track-Modus.
Was sind die kommenden Funktionen für Trainingstracker in Ultralytics?
Ultralytics entwickelt seine KI-Modelle kontinuierlich weiter. Eine kommende Funktion wird das Training von eigenständigen Trackern ermöglichen. Bis dahin nutzt der Multi-Object Detector bereits trainierte Erkennungs-, Segmentierungs- oder Pose-Modelle für die Verfolgung, ohne dass ein eigenständiges Training erforderlich ist. Bleiben Sie auf dem Laufenden, indem Sie unserem Blog folgen oder sich die kommenden Funktionen ansehen.
Warum sollte ich Ultralytics YOLO für die Verfolgung mehrerer Objekte verwenden?
Ultralytics YOLO ist ein modernes Objekterkennungsmodell, das für seine Echtzeitleistung und hohe Genauigkeit bekannt ist. Die Verwendung von YOLO für die Verfolgung mehrerer Objekte bietet mehrere Vorteile:
- Verfolgung in Echtzeit: Erzielen Sie eine effiziente und schnelle Verfolgung, die ideal für dynamische Umgebungen ist.
- Flexibilität mit vortrainierten Modellen: Sie müssen nicht mehr von Grund auf trainieren, sondern verwenden einfach vortrainierte Erkennungs-, Segmentierungs- oder Pose-Modelle.
- Benutzerfreundlichkeit: Die einfache API-Integration mit Python und CLI macht die Einrichtung von Tracking-Pipelines zum Kinderspiel.
- Umfassende Dokumentation und Community-Support: Ultralytics bietet eine umfassende Dokumentation und ein aktives Community-Forum, um Probleme zu beheben und Ihre Tracking-Modelle zu verbessern.
Weitere Einzelheiten zum Einrichten und Verwenden von YOLO für die Nachverfolgung finden Sie in unserem Leitfaden zur Tracking-Verwendung.
Kann ich benutzerdefinierte Datensätze für die Multi-Objektverfolgung mit Ultralytics YOLO verwenden?
Ja, Sie können benutzerdefinierte Datensätze für die Multi-Objekt-Verfolgung mit Ultralytics YOLO verwenden. Während die Unterstützung für eigenständiges Tracker-Training eine zukünftige Funktion ist, können Sie bereits vortrainierte Modelle für Ihre benutzerdefinierten Datensätze verwenden. Bereiten Sie Ihre Datensätze in einem geeigneten Format vor, das mit YOLO kompatibel ist, und folgen Sie der Dokumentation, um sie zu integrieren.
Wie interpretiere ich die Ergebnisse des Ultralytics YOLO Tracking-Modells?
Nach der Ausführung eines Verfolgungsauftrags mit Ultralytics YOLO enthalten die Ergebnisse verschiedene Datenpunkte, z. B. die IDs der verfolgten Objekte, ihre Bounding Boxes und die Vertrauenswerte. Im Folgenden finden Sie einen kurzen Überblick darüber, wie diese Ergebnisse zu interpretieren sind:
- Verfolgte IDs: Jedem Objekt wird eine eindeutige ID zugewiesen, mit der es über mehrere Bilder hinweg verfolgt werden kann.
- Begrenzungsrahmen: Diese geben die Position der verfolgten Objekte innerhalb des Rahmens an.
- Konfidenz-Werte: Diese spiegeln das Vertrauen des Modells in die Erkennung des verfolgten Objekts wider.
Eine ausführliche Anleitung zur Interpretation und Visualisierung dieser Ergebnisse finden Sie im Leitfaden zur Handhabung der Ergebnisse.
Wie kann ich die Tracker-Konfiguration anpassen?
Sie können den Tracker anpassen, indem Sie eine modifizierte Version der Tracker-Konfigurationsdatei erstellen. Kopieren Sie eine vorhandene Tracker-Konfigurationsdatei aus ultralytics, ändern Sie die Parameter nach Bedarf und geben Sie diese Datei an, wenn Sie den Tracker ausführen:
from ultralytics import YOLO
model = YOLO("yolo11n.pt")
results = model.track(source="video.mp4", tracker="custom_tracker.yaml")
