Link to this sectionPanoramica sui dataset di tracciamento multi-oggetto#

Il tracciamento multi-oggetto è una componente fondamentale nell'analisi video che identifica gli oggetti e mantiene ID univoci per ogni oggetto rilevato tra i fotogrammi video. Ultralytics YOLO offre potenti funzionalità di tracciamento che possono essere applicate a vari settori, tra cui la videosorveglianza, l'analisi sportiva e il monitoraggio del traffico.

Link to this sectionFormato del dataset (In arrivo)#

Il tracciamento di Ultralytics attualmente riutilizza modelli di rilevamento, segmentazione o posa senza richiedere un addestramento specifico per il tracker. Il supporto nativo per l'addestramento dei tracker è in fase di sviluppo attivo.

Link to this sectionTracker disponibili#

Ultralytics YOLO supporta i seguenti algoritmi di tracciamento:

• BoT-SORT - Usa botsort.yaml per abilitare questo tracker (predefinito)
• ByteTrack - Usa bytetrack.yaml per abilitare questo tracker
• OC-SORT - Usa ocsort.yaml per abilitare questo tracker
• Deep OC-SORT - Usa deepocsort.yaml per abilitare questo tracker
• FastTracker - Usa fasttrack.yaml per abilitare questo tracker
• TrackTrack - Usa tracktrack.yaml per abilitare questo tracker

Link to this sectionUtilizzo#

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 sectionPersistenza dei tracciamenti tra i fotogrammi#

Per un tracciamento continuo tra i fotogrammi video, puoi usare il parametro 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 sectionFAQ#

Link to this sectionCome uso il tracciamento multi-oggetto con Ultralytics YOLO?#

Per usare il tracciamento multi-oggetto con Ultralytics YOLO, puoi iniziare utilizzando gli esempi in Python o CLI forniti. Ecco come puoi iniziare:

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)

Questi comandi caricano il modello YOLO26 e lo usano per tracciare gli oggetti nella sorgente video specificata con soglie di confidenza (conf) e Intersection over Union (iou) specifiche. Per maggiori dettagli, consulta la documentazione della modalità track.

Link to this sectionQuali sono le prossime funzionalità per l'addestramento dei tracker in Ultralytics?#

Ultralytics migliora continuamente i suoi modelli IA. Una funzionalità in arrivo permetterà l'addestramento di tracker autonomi. Fino ad allora, il Multi-Object Detector sfrutta modelli di rilevamento, segmentazione o posa pre-addestrati per il tracciamento senza richiedere un addestramento specifico. Resta aggiornato seguendo il nostro blog.

Link to this sectionPerché dovrei usare Ultralytics YOLO per il tracciamento multi-oggetto?#

Ultralytics YOLO è un modello di rilevamento oggetti all'avanguardia noto per le sue prestazioni in tempo reale e l'elevata accuratezza. Usare YOLO per il tracciamento multi-oggetto offre diversi vantaggi:

• Tracciamento in tempo reale: Ottieni un tracciamento efficiente e ad alta velocità ideale per ambienti dinamici.
• Flessibilità con modelli pre-addestrati: Non c'è bisogno di addestrare da zero; usa semplicemente modelli di rilevamento, segmentazione o posa pre-addestrati.
• Facilità d'uso: La semplice integrazione API sia con Python che con CLI rende la configurazione delle pipeline di tracciamento immediata.
• Documentazione estesa e supporto della community: Ultralytics fornisce una documentazione completa e un forum della community attivo per risolvere problemi e migliorare i tuoi modelli di tracciamento.

Per maggiori dettagli sulla configurazione e sull'uso di YOLO per il tracciamento, visita la nostra guida all'uso di track.

Link to this sectionPosso usare dataset personalizzati per il tracciamento multi-oggetto con Ultralytics YOLO?#

Sì, puoi usare dataset personalizzati per il tracciamento multi-oggetto con Ultralytics YOLO. Sebbene il supporto per l'addestramento di tracker autonomi sia una funzionalità in arrivo, puoi già usare modelli pre-addestrati sui tuoi dataset personalizzati. Prepara i tuoi dataset nel formato appropriato compatibile con YOLO e segui la documentazione per integrarli.

Link to this sectionCome interpreto i risultati del modello di tracciamento Ultralytics YOLO?#

Dopo aver eseguito un'operazione di tracciamento con Ultralytics YOLO, i risultati includono vari punti 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.
• Bounding box: Queste indicano la posizione degli oggetti tracciati all'interno del fotogramma.
• Punteggi di confidenza: Questi riflettono la confidenza del modello nel rilevare l'oggetto tracciato.

Per una guida dettagliata su come interpretare e visualizzare questi risultati, consulta la guida alla gestione dei risultati.

Link to this sectionCome posso personalizzare la configurazione del tracker?#

Puoi personalizzare il tracker creando una versione modificata del file di configurazione del tracker. Copia un file di configurazione del tracker esistente da ultralytics/cfg/trackers, modifica i parametri secondo necessità e specifica questo file durante l'esecuzione del tracker:

from ultralytics import YOLO

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