Обзор наборов данных для отслеживания нескольких объектов

Отслеживание нескольких объектов - важнейший компонент видеоаналитики, позволяющий идентифицировать объекты и сохранять уникальные идентификаторы для каждого обнаруженного объекта во всех видеокадрах. Ultralytics YOLO предоставляет мощные возможности отслеживания, которые могут применяться в различных областях, включая видеонаблюдение, спортивную аналитику и мониторинг трафика.

Формат набора данных (скоро будет)

Многообъектный детектор не нуждается в отдельном обучении и напрямую поддерживает предварительно обученные модели обнаружения, сегментации или позы. Поддержка самостоятельного обучения трекеров появится в ближайшее время.

Доступные трекеры

Ultralytics YOLO поддерживает следующие алгоритмы отслеживания:

• BoT-SORT - Использование botsort.yaml включить этот трекер (по умолчанию)
• ByteTrack - Использование bytetrack.yaml чтобы включить этот трекер

Использование

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

Сохранение треков между кадрами

Для непрерывного отслеживания по кадрам видео можно использовать persist=True параметр:

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()

ЧАСТО ЗАДАВАЕМЫЕ ВОПРОСЫ

Как использовать многообъектное отслеживание с Ultralytics YOLO ?

Чтобы использовать многообъектное отслеживание с Ultralytics YOLO , вы можете начать с примеров Python или CLI . Вот как можно начать:

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

Эти команды загружают модель YOLO11 и используют ее для отслеживания объектов в заданном видеоисточнике с определенной уверенностью (conf) и Перекресток над Юнионом (iou) пороговых значений. Для получения более подробной информации см. документация по режиму трека.

Какие функции для трекеров тренировок появятся в ближайшее время на сайте Ultralytics?

Ultralytics постоянно совершенствует свои модели искусственного интеллекта. В ближайшем будущем появится возможность обучения автономных трекеров. До тех пор Multi-Object Detector использует предварительно обученные модели обнаружения, сегментации или позы для отслеживания, не требуя отдельного обучения. Следите за новостями в нашем блоге и узнавайте о новых функциях.

Почему стоит использовать Ultralytics YOLO для отслеживания нескольких объектов.

Ultralytics YOLO это современная модель обнаружения объектов, известная своей производительностью в реальном времени и высокой точностью. Использование YOLO для отслеживания нескольких объектов дает ряд преимуществ:

• Слежение в реальном времени: Эффективное и высокоскоростное слежение, идеальное для динамичных сред.
• Гибкость благодаря предварительно обученным моделям: Не нужно обучаться с нуля; просто используйте предварительно обученные модели обнаружения, сегментации или позирования.
• Простота использования: Простая интеграция API с Python и CLI делает настройку конвейеров отслеживания простой и понятной.
• Обширная документация и поддержка сообщества: Ultralytics предоставляет исчерпывающую документацию и активный форум сообщества для устранения неполадок и улучшения ваших моделей отслеживания.

Более подробную информацию о настройке и использовании YOLO для отслеживания можно найти в нашем руководстве по использованию треков.

Можно ли использовать пользовательские наборы данных для отслеживания нескольких объектов с помощью Ultralytics YOLO ?

Да, вы можете использовать пользовательские наборы данных для многообъектного отслеживания с помощью Ultralytics YOLO . Хотя поддержка самостоятельного обучения трекеров - это будущая функция, вы уже можете использовать предварительно обученные модели на своих пользовательских наборах данных. Подготовьте свои наборы данных в соответствующем формате, совместимом с YOLO , и следуйте документации для их интеграции.

Как интерпретировать результаты модели отслеживания Ultralytics YOLO ?

После выполнения задания отслеживания с Ultralytics YOLO результаты включают различные данные, такие как идентификаторы отслеживаемых объектов, их ограничительные рамки и баллы доверия. Вот краткий обзор того, как интерпретировать эти результаты:

• Отслеживаемые идентификаторы: Каждому объекту присваивается уникальный идентификатор, который помогает отслеживать его во всех кадрах.
• Ограничительные рамки: Указывают местоположение отслеживаемых объектов в кадре.
• Баллы доверия: Они отражают уверенность модели в обнаружении отслеживаемого объекта.

Подробное руководство по интерпретации и визуализации этих результатов см. в руководстве по обработке результатов.

Как настроить конфигурацию трекера?

Вы можете настроить трекер, создав модифицированную версию файла конфигурации трекера. Скопируйте существующий файл конфигурации трекера из папки ultralytics, измените параметры по мере необходимости и укажите этот файл при запуске трекера:

from ultralytics import YOLO

model = YOLO("yolo11n.pt")
results = model.track(source="video.mp4", tracker="custom_tracker.yaml")

📅 Создано 1 год назад ✏️ Обновлено 8 дней назад

Комментарии