Panoramica dei set di dati per il tracciamento di più oggetti

Il tracciamento di più oggetti è un componente critico dell'analisi video che identifica gli oggetti e mantiene ID univoci per ogni oggetto rilevato in tutti i fotogrammi video. Ultralytics YOLO offre potenti capacità di tracciamento che possono essere applicate a diversi ambiti, tra cui la sorveglianza, l'analisi dello sport e il monitoraggio del traffico.

Formato del set di dati (in arrivo)

Multi-Object Detector non ha bisogno di un addestramento autonomo e supporta direttamente modelli di rilevamento, segmentazione o posa pre-addestrati. Il supporto per l'addestramento dei soli tracker è in arrivo.

Tracciatori disponibili

Ultralytics YOLO supporta i seguenti algoritmi di tracciamento:

• SORTEGGIAMENTO - Utilizzo botsort.yaml per abilitare questo tracker (predefinito)
• ByteTrack - Utilizzo bytetrack.yaml per abilitare questo tracker

Utilizzo

from ultralytics import YOLO

model = YOLO("yolo11n.pt")
results = model.track(source="https://youtu.be/LNwODJXcvt4", conf=0.3, iou=0.5, show=True)

yolo track model=yolo11n.pt source="https://youtu.be/LNwODJXcvt4" conf=0.3, iou=0.5 show

Persistenza delle tracce tra i fotogrammi

Per il tracciamento continuo attraverso i fotogrammi video, è possibile utilizzare l'opzione persist=True parametro:

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

Come si usa il Multi-Object Tracking con Ultralytics YOLO ?

Per utilizzare il Multi-Object Tracking con Ultralytics YOLO , si può iniziare utilizzando gli esempi Python o CLI forniti. Ecco come iniziare:

from ultralytics import YOLO

model = YOLO("yolo11n.pt")  # Load the YOLO11 model
results = model.track(source="https://youtu.be/LNwODJXcvt4", conf=0.3, iou=0.5, show=True)

yolo track model=yolo11n.pt source="https://youtu.be/LNwODJXcvt4" conf=0.3 iou=0.5 show

Questi comandi caricano il modello YOLO11 e lo usano per tracciare gli oggetti nella sorgente video data con una confidenza specifica (conf) e Intersezione su Union (iou). Per maggiori dettagli, consultare la sezione documentazione sulla modalità traccia.

Quali sono le prossime caratteristiche dei tracker di allenamento in Ultralytics?

Ultralytics migliora continuamente i suoi modelli di intelligenza artificiale. Una funzione imminente consentirà l'addestramento di tracker autonomi. Fino ad allora, Multi-Object Detector sfrutta i modelli di rilevamento, segmentazione o posa pre-addestrati per il tracking senza richiedere un addestramento autonomo. Rimanete aggiornati seguendo il nostro blog o controllando le funzioni in arrivo.

Perché utilizzare Ultralytics YOLO per il tracciamento di più oggetti?

Ultralytics YOLO è un modello di rilevamento degli oggetti all'avanguardia, noto per le sue prestazioni in tempo reale e l'elevata precisione. L'uso di YOLO per il tracciamento di più oggetti offre diversi vantaggi:

• Tracciamento in tempo reale: Tracciamento efficiente e ad alta velocità, ideale per gli ambienti dinamici.
• Flessibilità con i modelli pre-addestrati: Non è necessario addestrare da zero; è sufficiente utilizzare modelli di rilevamento, segmentazione o posa pre-addestrati.
• Facilità d'uso: La semplice integrazione API con Python e CLI rende semplice l'impostazione delle pipeline di tracciamento.
• Ampia documentazione e supporto della comunità: Ultralytics fornisce una documentazione completa e un forum attivo della comunità per risolvere i problemi e migliorare i vostri modelli di tracciamento.

Per maggiori dettagli sull'impostazione e l'utilizzo di YOLO per il tracciamento, visitate la nostra guida all'uso del tracciamento.

È possibile utilizzare set di dati personalizzati per il tracciamento di più oggetti con Ultralytics YOLO ?

Sì, è possibile utilizzare set di dati personalizzati per il tracciamento di più oggetti con Ultralytics YOLO . Sebbene il supporto per l'addestramento di tracker autonomi sia una funzionalità in arrivo, è già possibile utilizzare modelli pre-addestrati sui set di dati personalizzati. Preparare i dataset nel formato appropriato compatibile con YOLO e seguire la documentazione per integrarli.

Come si interpretano i risultati del modello di tracciamento Ultralytics YOLO ?

Dopo aver eseguito un lavoro di tracciamento con Ultralytics YOLO , i risultati includono vari punti di dati, come gli ID degli oggetti tracciati, le loro bounding box e i punteggi di confidenza. Ecco una breve panoramica su come interpretare questi risultati:

• ID tracciati: A ogni oggetto viene assegnato un ID univoco, che aiuta a tracciarlo tra i fotogrammi.
• Caselle di delimitazione: Indicano la posizione degli oggetti tracciati all'interno del fotogramma.
• Punteggi di fiducia: Riflettono la fiducia del modello nel rilevare l'oggetto tracciato.

Per una guida dettagliata all'interpretazione e alla visualizzazione di questi risultati, consultare la guida alla gestione dei risultati.

Come posso personalizzare la configurazione del tracker?

È possibile personalizzare il tracker creando una versione modificata del file di configurazione del tracker. Copiare un file di configurazione del tracker esistente da ultralytics, modificare i parametri come necessario e specificare questo file quando si esegue il tracker:

from ultralytics import YOLO

model = YOLO("yolo11n.pt")
results = model.track(source="video.mp4", tracker="custom_tracker.yaml")

📅C reato 1 anno fa ✏️ Aggiornato 9 giorni fa

Commenti