다중 객체 추적 데이터셋 개요

다중 객체 추적은 객체를 식별하고 비디오 프레임 전체에서 각 탐지된 객체의 고유 ID를 유지하는 비디오 분석의 핵심 구성 요소입니다. Ultralytics YOLO는 감시, 스포츠 분석, 교통 모니터링 등 다양한 도메인에 적용할 수 있는 강력한 추적 기능을 제공합니다.

데이터셋 형식 (출시 예정)

Ultralytics 추적은 현재 트래커별 학습을 요구하지 않고 기존 탐지, 세그멘테이션 또는 포즈 모델을 재사용합니다. 네이티브 트래커 학습 지원은 현재 활발히 개발 중입니다.

사용 가능한 추적기

Ultralytics YOLO는 다음 추적 알고리즘을 지원합니다:

• BoT-SORT - 이 트래커를 활성화하려면 botsort.yaml을 사용하십시오(기본값).
• ByteTrack - 이 트래커를 활성화하려면 bytetrack.yaml을 사용하십시오.

사용법

from ultralytics import YOLO

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

프레임 간 추적 유지

비디오 프레임 간의 연속적인 추적을 위해 persist=True 매개변수를 사용할 수 있습니다:

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

Ultralytics YOLO에서 다중 객체 추적을 어떻게 사용합니까?

Ultralytics YOLO에서 다중 객체 추적을 사용하려면 제공된 Python 또는 CLI 예제를 사용하여 시작할 수 있습니다. 시작하는 방법은 다음과 같습니다:

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)

이 명령들은 YOLO26 모델을 로드하여 특정 신뢰도(conf) 및 Intersection over Union (iou) 임계값을 사용하여 주어진 비디오 소스에서 객체를 추적합니다. 자세한 내용은 트래킹 모드 문서를 참조하십시오.

Ultralytics에서 트래커 학습을 위한 향후 기능은 무엇입니까?

Ultralytics는 AI 모델을 지속적으로 향상시키고 있습니다. 곧 출시될 기능으로 독립형 트래커 학습이 가능해질 예정입니다. 그때까지 다중 객체 탐지기는 독립형 학습 없이도 사전 학습된 탐지, 세그멘테이션 또는 포즈 모델을 활용하여 추적합니다. 당사의 블로그를 팔로우하거나 출시 예정 기능을 확인하여 최신 소식을 받아보십시오.

다중 객체 추적에 왜 Ultralytics YOLO를 사용해야 합니까?

Ultralytics YOLO is a state-of-the-art object detection model known for its real-time performance and high accuracy. Using YOLO for multi-object tracking provides several advantages:

• 실시간 추적: 동적 환경에 이상적인 효율적이고 고속인 추적을 달성합니다.
• 사전 학습된 모델의 유연성: 처음부터 학습할 필요 없이 사전 학습된 탐지, 세그멘테이션 또는 포즈 모델을 사용하면 됩니다.
• 사용 편의성: Python 및 CLI 모두에서 간단한 API 통합으로 추적 파이프라인 설정을 직관적으로 수행할 수 있습니다.
• 광범위한 문서 및 커뮤니티 지원: Ultralytics는 포괄적인 문서와 활발한 커뮤니티 포럼을 제공하여 문제를 해결하고 추적 모델을 향상시킬 수 있도록 돕습니다.

YOLO를 활용한 추적 설정 및 사용에 대한 자세한 내용은 추적 사용 가이드를 방문하십시오.

Ultralytics YOLO를 사용한 다중 객체 추적에 사용자 지정 데이터셋을 사용할 수 있습니까?

네, Ultralytics YOLO를 사용한 다중 객체 추적에 사용자 지정 데이터셋을 사용할 수 있습니다. 독립형 트래커 학습 지원은 향후 기능이지만, 이미 사전 학습된 모델을 사용자 지정 데이터셋에 사용할 수 있습니다. YOLO와 호환되는 적절한 형식으로 데이터셋을 준비하고 문서를 따라 통합하십시오.

Ultralytics YOLO 추적 모델의 결과를 어떻게 해석합니까?

Ultralytics YOLO로 추적 작업을 실행한 후 결과에는 추적된 객체 ID, 바운딩 박스, 신뢰도 점수와 같은 다양한 데이터 포인트가 포함됩니다. 결과를 해석하는 방법에 대한 간략한 개요는 다음과 같습니다:

• 추적된 ID: 각 객체에는 고유 ID가 할당되며, 이는 프레임 전체에서 객체를 추적하는 데 도움이 됩니다.
• 바운딩 박스: 이는 프레임 내에서 추적된 객체의 위치를 나타냅니다.
• 신뢰도 점수: 이는 추적된 객체를 탐지하는 모델의 신뢰도를 반영합니다.

결과 해석 및 시각화에 대한 자세한 지침은 결과 처리 가이드를 참조하십시오.

트래커 구성을 어떻게 사용자 지정합니까?

트래커 구성 파일의 수정된 버전을 만들어 트래커를 사용자 지정할 수 있습니다. ultralytics/cfg/trackers에서 기존 트래커 구성 파일을 복사하고 필요에 따라 매개변수를 수정한 다음 트래커를 실행할 때 이 파일을 지정하십시오:

from ultralytics import YOLO

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