Vai al contenuto

Panoramica dei set di dati per il tracciamento multi-oggetto

Il tracciamento multi-oggetto è una componente critica nell'analisi video che identifica gli oggetti e mantiene ID univoci per ciascun oggetto rilevato nei fotogrammi video. Ultralytics YOLO fornisce potenti funzionalità di tracciamento che possono essere applicate a vari domini, tra cui la sorveglianza, l'analisi sportiva e il monitoraggio del traffico.

Formato del Dataset (Prossimamente)

Il rilevatore multi-oggetto non necessita di addestramento autonomo e supporta direttamente i modelli pre-addestrati di rilevamento, segmentazione o posa. Il supporto per l'addestramento dei soli tracker sarà disponibile a breve.

Tracker 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

Utilizzo

Esempio

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

Mantenimento delle tracce tra i frame

Per il tracciamento continuo attraverso i fotogrammi video, puoi utilizzare il persist=True parametro:

Esempio

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 posso usare il Multi-Object Tracking con Ultralytics YOLO?

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

Esempio

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 utilizzano per tracciare gli oggetti nella sorgente video specificata con una confidenza specifica (conf) e Intersezione sull'Unione (iou) soglie. Per maggiori dettagli, fare riferimento al Documentazione sulla modalità track.

Quali sono le prossime funzionalità per l'addestramento dei tracker in Ultralytics?

Ultralytics migliora continuamente i suoi modelli di intelligenza artificiale. Una prossima funzionalità abiliterà l'addestramento di tracker standalone. Fino ad allora, Multi-Object Detector sfrutta modelli pre-addestrati di rilevamento, segmentazione o posa per il tracciamento senza richiedere un addestramento standalone. Rimani aggiornato seguendo il nostro blog o controllando le prossime funzionalità.

Perché dovrei usare Ultralytics YOLO per il tracking multi-oggetto?

Ultralytics YOLO è un modello di object detection all'avanguardia, noto per le sue prestazioni in tempo reale e l'elevata precisione. L'utilizzo di YOLO per il multi-object tracking 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 è necessario addestrare da zero; è sufficiente utilizzare modelli di rilevamento, segmentazione o posa pre-addestrati.
  • Facilità d'uso: La semplice integrazione dell'API con python e CLI rende semplice l'impostazione delle pipeline di tracking.
  • Documentazione completa e supporto della community: Ultralytics fornisce una documentazione esaustiva e un forum attivo della community per risolvere i problemi e migliorare i tuoi modelli di tracking.

Per maggiori dettagli sulla configurazione e l'utilizzo di YOLO per il tracking, visita la nostra guida all'utilizzo del tracking.

Posso utilizzare set di dati personalizzati per il tracciamento multi-oggetto con Ultralytics YOLO?

Sì, puoi usare dataset personalizzati per il tracking multi-oggetto con Ultralytics YOLO. Mentre il supporto per l'addestramento di tracker standalone è 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.

Come posso interpretare i risultati del modello di tracking Ultralytics YOLO?

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

  • ID tracciati: A ogni oggetto viene assegnato un ID univoco, che aiuta a tracciarlo attraverso i fotogrammi.
  • Bounding box: Questi indicano la posizione degli oggetti tracciati all'interno del frame.
  • Punteggi di confidenza: Riflettono la fiducia del modello nel rilevare l'oggetto tracciato.

Per una guida dettagliata sull'interpretazione e la 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/cfg/trackers, modificare i parametri in base alle esigenze 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")


📅 Creato 1 anno fa ✏️ Aggiornato 2 mesi fa

Commenti