Aperçu des jeux de données pour le suivi multi-objets

Le suivi multi-objets est un composant critique de l'analyse vidéo qui identifie les objets et maintient des identifiants uniques pour chaque objet détecté à travers les images vidéo. Ultralytics YOLO offre de puissantes capacités de suivi qui peuvent être appliquées à divers domaines, notamment la surveillance, l'analyse sportive et la surveillance du trafic.

Format de jeu de données (à venir)

Le suivi Ultralytics réutilise actuellement des modèles de détection, de segmentation ou de pose sans nécessiter d'entraînement spécifique au tracker. La prise en charge native de l'entraînement des trackers est en cours de développement.

Trackers disponibles

Ultralytics YOLO prend en charge les algorithmes de suivi suivants :

• BoT-SORT - Utilise botsort.yaml pour activer ce tracker (par défaut)
• ByteTrack - Utilise bytetrack.yaml pour activer ce tracker

Utilisation

from ultralytics import YOLO

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

Persistance des suivis entre les images

Pour un suivi continu entre les images vidéo, tu peux utiliser le paramètre 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()

FAQ

Comment utiliser le suivi multi-objets avec Ultralytics YOLO ?

Pour utiliser le suivi multi-objets avec Ultralytics YOLO, tu peux commencer par utiliser les exemples Python ou CLI fournis. Voici comment démarrer :

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)

Ces commandes chargent le modèle YOLO26 et l'utilisent pour suivre des objets dans la source vidéo donnée avec des seuils de confiance (conf) et d'Intersection over Union (iou) spécifiques. Pour plus de détails, réfère-toi à la documentation du mode track.

Quelles sont les fonctionnalités à venir pour l'entraînement des trackers dans Ultralytics ?

Ultralytics améliore continuellement ses modèles d'IA. Une fonctionnalité à venir permettra l'entraînement de trackers autonomes. D'ici là, le détecteur multi-objets exploite des modèles de détection, de segmentation ou de pose pré-entraînés pour le suivi sans nécessiter d'entraînement autonome. Reste informé en suivant notre blog ou en consultant les fonctionnalités à venir.

Pourquoi utiliser Ultralytics YOLO pour le suivi multi-objets ?

Ultralytics YOLO est un modèle de détection d'objets de pointe connu pour ses performances en temps réel et sa grande précision. Utiliser YOLO pour le suivi multi-objets offre plusieurs avantages :

• Suivi en temps réel : obtiens un suivi efficace et à haute vitesse, idéal pour les environnements dynamiques.
• Flexibilité avec les modèles pré-entraînés : pas besoin d'entraîner à partir de zéro ; utilise simplement des modèles de détection, de segmentation ou de pose pré-entraînés.
• Facilité d'utilisation : une intégration API simple avec Python et CLI rend la mise en place de pipelines de suivi directe.
• Documentation étendue et support communautaire : Ultralytics fournit une documentation complète et un forum communautaire actif pour résoudre tes problèmes et améliorer tes modèles de suivi.

Pour plus de détails sur la configuration et l'utilisation de YOLO pour le suivi, visite notre guide d'utilisation du suivi.

Puis-je utiliser des jeux de données personnalisés pour le suivi multi-objets avec Ultralytics YOLO ?

Oui, tu peux utiliser des jeux de données personnalisés pour le suivi multi-objets avec Ultralytics YOLO. Bien que la prise en charge de l'entraînement autonome des trackers soit une fonctionnalité à venir, tu peux déjà utiliser des modèles pré-entraînés sur tes jeux de données personnalisés. Prépare tes jeux de données au format approprié compatible avec YOLO et suis la documentation pour les intégrer.

Comment interpréter les résultats du modèle de suivi Ultralytics YOLO ?

Après avoir exécuté une tâche de suivi avec Ultralytics YOLO, les résultats incluent divers points de données tels que les identifiants d'objets suivis, leurs boîtes englobantes (bounding boxes) et les scores de confiance. Voici un bref aperçu de la façon d'interpréter ces résultats :

• Identifiants suivis : chaque objet se voit attribuer un identifiant unique, ce qui aide à le suivre à travers les images.
• Boîtes englobantes : elles indiquent l'emplacement des objets suivis dans l'image.
• Scores de confiance : ils reflètent la confiance du modèle dans la détection de l'objet suivi.

Pour des conseils détaillés sur l'interprétation et la visualisation de ces résultats, réfère-toi au guide de traitement des résultats.

Comment puis-je personnaliser la configuration du tracker ?

Tu peux personnaliser le tracker en créant une version modifiée du fichier de configuration du tracker. Copie un fichier de configuration de tracker existant depuis ultralytics/cfg/trackers, modifie les paramètres selon tes besoins, et spécifie ce fichier lors de l'exécution du tracker :

from ultralytics import YOLO

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