Começar

Visão geral dos conjuntos de dados de rastreamento de múltiplos objetos

O rastreamento de múltiplos objetos é uma parte essencial da análise de vídeo: identifica objetos e mantém um ID exclusivo para cada objeto detectado ao longo dos quadros do vídeo. O Ultralytics YOLO pode rastrear objetos em movimento em vídeos em áreas como vigilância, análise esportiva e monitoramento de tráfego.

Formato do conjunto de dados#

O modo de rastreamento não treina um rastreador nem exige um conjunto de dados específico para rastreamento. Treine um modelo de detecção, segmentação, pose ou OBB no formato de conjunto de dados padrão da tarefa e, em seguida, use os pesos resultantes com model.track() ou yolo track. O rastreador selecionado associa as previsões do modelo entre os quadros durante a inferência.

Rastreadores disponíveis#

O Ultralytics YOLO oferece suporte aos seguintes algoritmos de rastreamento:

  • BoT-SORT - Usa botsort.yaml para ativar este rastreador
  • ByteTrack - Usa bytetrack.yaml para ativar este rastreador
  • OC-SORT - Usa ocsort.yaml para ativar este rastreador
  • Deep OC-SORT - Usa deepocsort.yaml para ativar este rastreador
  • FastTracker - Usa fasttrack.yaml para ativar este rastreador
  • TrackTrack - Usa tracktrack.yaml para ativar este rastreador (padrão)

Uso#

Exemplo
from ultralytics import YOLO

model = YOLO("yolo26n.pt")
results = model.track(source="https://youtu.be/LNwODJXcvt4", conf=0.1, iou=0.5, show=True)

Manter o rastreamento entre quadros#

Para manter o rastreamento contínuo entre os quadros do vídeo, podes usar o parâmetro persist=True:

Exemplo
import cv2

from ultralytics import YOLO

# Carregar o modelo YOLO
model = YOLO("yolo26n.pt")

# Abre o arquivo de vídeo
cap = cv2.VideoCapture("path/to/video.mp4")

while cap.isOpened():
    success, frame = cap.read()
    if success:
        # Executar o rastreamento mantendo a persistência entre quadros
        results = model.track(frame, persist=True)

        # Visualizar os resultados
        annotated_frame = results[0].plot()
        cv2.imshow("Tracking", annotated_frame)

        if cv2.waitKey(1) & 0xFF == ord("q"):
            break
    else:
        break

cap.release()
cv2.destroyAllWindows()

Perguntas frequentes#

  • Para usar o rastreamento de múltiplos objetos com o Ultralytics YOLO, comece com os exemplos de Python ou CLI abaixo:

    Exemplo
    from ultralytics import YOLO
    
    model = YOLO("yolo26n.pt")  # Carrega o modelo YOLO26
    results = model.track(source="https://youtu.be/LNwODJXcvt4", conf=0.1, iou=0.5, show=True)

    Estes comandos carregam o modelo YOLO26 e usam-no para rastrear objetos na fonte de vídeo indicada, com limiares específicos de confiança (conf) e interseção sobre união (iou). Para mais detalhes, consulta a documentação do modo de rastreamento.

  • O Ultralytics YOLO é um modelo de última geração para detecção de objetos, conhecido pelo desempenho em tempo real e pela precisão. Usar YOLO para rastreamento de múltiplos objetos oferece várias vantagens:

    • Rastreamento em tempo real: Obtém um rastreamento eficiente e de alta velocidade, ideal para ambientes dinâmicos.
    • Flexibilidade com modelos pré-treinados: Não precisas treinar do zero; basta usar modelos pré-treinados de detecção, segmentação, pose ou OBB.
    • Facilidade de uso: A integração simples da API com Python e CLI facilita a configuração de pipelines de rastreamento.
    • Documentação abrangente e suporte da comunidade: A Ultralytics oferece documentação completa e um fórum comunitário ativo para solucionar problemas e aprimorar os teus modelos de rastreamento.
  • Sim. Treina um modelo de detecção, segmentação, pose ou OBB no teu conjunto de dados personalizado e, em seguida, passa os respetivos pesos para model.track(). O próprio rastreador é executado durante a inferência e não requer dados de treino separados.

  • Depois de executar um trabalho de rastreamento com o Ultralytics YOLO, os resultados incluem vários pontos de dados, como IDs dos objetos rastreados, suas caixas delimitadoras e as pontuações de confiança. Veja a seguir uma breve explicação de como interpretar esses resultados:

    • IDs rastreados: Cada objeto recebe um ID exclusivo, que ajuda a rastreá-lo entre os quadros.
    • Caixas delimitadoras: Indicam a localização dos objetos rastreados no quadro.
    • Valores de confiança: Indicam o grau de confiança do modelo na detecção do objeto rastreado.
  • Podes personalizar o rastreador criando uma versão modificada do arquivo de configuração do rastreador. Copia um arquivo de configuração existente de ultralytics/cfg/trackers, modifica os parâmetros conforme necessário e especifica esse arquivo ao executar o rastreador:

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

Comentários

Faz uma pergunta, partilha os teus resultados ou ajuda alguém.