Обзор наборов данных для многообъектного отслеживания

Многообъектное отслеживание — важнейший компонент видеоаналитики, который идентифицирует объекты и сохраняет уникальные ID для каждого обнаруженного объекта в кадрах видео. Ultralytics YOLO предоставляет мощные возможности отслеживания, которые можно применять в различных областях, включая видеонаблюдение, спортивную аналитику и мониторинг дорожного движения.

Формат набора данных (скоро появится)

В настоящее время отслеживание в Ultralytics повторно использует модели для обнаружения, сегментации или поиска поз без необходимости обучения, специфичного для трекера. Поддержка обучения трекеров в исходном виде находится в стадии активной разработки.

Доступные трекеры

Ultralytics YOLO поддерживает следующие алгоритмы отслеживания:

• BoT-SORT — используй botsort.yaml для включения этого трекера (по умолчанию)
• ByteTrack — используй bytetrack.yaml для включения этого трекера

Использование

from ultralytics import YOLO

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

Сохранение треков между кадрами

Для непрерывного отслеживания между кадрами видео можно использовать параметр 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()

Часто задаваемые вопросы (FAQ)

Как использовать многообъектное отслеживание с Ultralytics YOLO?

Чтобы использовать многообъектное отслеживание с Ultralytics YOLO, ты можешь начать с использования предоставленных примеров для Python или CLI. Вот как начать работу:

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)

Эти команды загружают модель YOLO26 и используют её для отслеживания объектов в указанном видеоисточнике с определенными порогами уверенности (conf) и Intersection over Union (iou). Более подробную информацию см. в документации по режиму отслеживания.

Какие функции для обучения трекеров появятся в Ultralytics?

Ultralytics постоянно совершенствует свои AI модели. Ожидаемая функция позволит обучать автономные трекеры. А пока Multi-Object Detector использует предварительно обученные модели обнаружения, сегментации или поиска поз для отслеживания без необходимости специального обучения. Следи за обновлениями в нашем блоге или проверяй раздел предстоящих функций.

Почему стоит использовать Ultralytics YOLO для многообъектного отслеживания?

Ultralytics YOLO — это передовая модель обнаружения объектов, известная своей работой в реальном времени и высокой точностью. Использование YOLO для многообъектного отслеживания дает несколько преимуществ:

• Отслеживание в реальном времени: достижение эффективного и высокоскоростного отслеживания, идеально подходящего для динамических сред.
• Гибкость с предварительно обученными моделями: нет необходимости обучать с нуля; просто используй готовые модели обнаружения, сегментации или поиска поз.
• Простота использования: легкая интеграция API через Python и CLI делает настройку пайплайнов отслеживания простой задачей.
• Обширная документация и поддержка сообщества: Ultralytics предоставляет исчерпывающую документацию и активный форум сообщества для решения проблем и улучшения твоих моделей отслеживания.

Для получения более подробной информации о настройке и использовании YOLO для отслеживания посети наше руководство по использованию отслеживания.

Можно ли использовать собственные наборы данных для многообъектного отслеживания с Ultralytics YOLO?

Да, ты можешь использовать собственные наборы данных для многообъектного отслеживания с Ultralytics YOLO. Хотя поддержка обучения автономных трекеров — это функция, которая скоро появится, ты уже можешь использовать предварительно обученные модели на своих данных. Подготовь свои наборы данных в соответствующем формате, совместимом с YOLO, и следуй документации для их интеграции.

Как интерпретировать результаты модели отслеживания Ultralytics YOLO?

После запуска задачи отслеживания с Ultralytics YOLO результаты включают различные точки данных, такие как ID отслеживаемых объектов, их ограничивающие рамки (bounding boxes) и показатели уверенности. Вот краткий обзор того, как интерпретировать эти результаты:

• Отслеживаемые ID: каждому объекту присваивается уникальный ID, что помогает отслеживать его между кадрами.
• Ограничивающие рамки (Bounding boxes): они указывают на расположение отслеживаемых объектов в кадре.
• Показатели уверенности (Confidence scores): они отражают уверенность модели в обнаружении отслеживаемого объекта.

Для получения подробных указаний по интерпретации и визуализации этих результатов обратись к руководству по работе с результатами.

Как настроить конфигурацию трекера?

Ты можешь настроить трекер, создав измененную версию файла конфигурации трекера. Скопируй существующий файл конфигурации трекера из ultralytics/cfg/trackers, измени параметры по мере необходимости и укажи этот файл при запуске трекера:

from ultralytics import YOLO

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