Перейти к содержанию

Обзор наборов данных для отслеживания нескольких объектов

Отслеживание нескольких объектов является важным компонентом в видеоаналитике, который идентифицирует объекты и поддерживает уникальные ID для каждого обнаруженного объекта в видеокадрах. Ultralytics YOLO предоставляет мощные возможности отслеживания, которые можно применять в различных областях, включая наблюдение, спортивную аналитику и мониторинг трафика.

Формат набора данных (скоро)

Детектор нескольких объектов не требует отдельного обучения и напрямую поддерживает предварительно обученное обнаружение, сегментацию или модели Pose. Поддержка обучения только трекеров появится в ближайшее время.

Доступные трекеры

Ultralytics YOLO поддерживает следующие алгоритмы отслеживания:

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

Использование

Пример

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 видеокадрам можно использовать persist=True :

Пример

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 отслеживание нескольких объектов с Ultralytics YOLO?

Чтобы использовать отслеживание нескольких объектов с помощью Ultralytics YOLO, вы можете начать с использования предоставленных примеров Python или CLI. Вот как вы можете начать:

Пример

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 Пересечение над объединением (iou) пороги. Для получения более подробной информации обратитесь к документация по режиму отслеживания.

Какие функции появятся в ближайшее время для обучения трекеров в Ultralytics?

Ultralytics постоянно совершенствует свои AI-модели. В будущей функции появится возможность обучения автономных трекеров. До тех пор Multi-Object Detector использует предварительно обученные модели обнаружения, сегментации или Pose для отслеживания, не требуя автономного обучения. Следите за обновлениями в нашем блоге или проверяйте предстоящие функции.

Почему мне следует 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 предоставляет ряд преимуществ:

  • Отслеживание в реальном времени: Обеспечивает эффективное и высокоскоростное отслеживание, идеально подходящее для динамических сред.
  • Гибкость с предварительно обученными моделями: Нет необходимости обучать с нуля; просто используйте предварительно обученные модели обнаружения, сегментации или определения позы.
  • Простота использования: Простая интеграция API как с Python, так и с CLI упрощает настройку конвейеров отслеживания.
  • Обширная документация и поддержка сообщества: Ultralytics предоставляет исчерпывающую документацию и активный форум сообщества для устранения неполадок и улучшения ваших моделей отслеживания.

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

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

Да, вы можете использовать пользовательские наборы данных для отслеживания нескольких объектов с помощью Ultralytics YOLO. Хотя поддержка автономного обучения трекера является будущей функцией, 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 запуска задачи отслеживания с помощью Ultralytics YOLO, результаты включают различные точки данных, такие как ID отслеживаемых объектов, их ограничивающие рамки и оценки достоверности. Вот краткий обзор того, как интерпретировать эти результаты:

  • Отслеживаемые ID: Каждому объекту присваивается уникальный ID, который помогает отслеживать его по кадрам.
  • Ограничивающие рамки: Они указывают местоположение отслеживаемых объектов в кадре.
  • Оценки достоверности: Они отражают уверенность модели в обнаружении отслеживаемого объекта.

Подробные инструкции по интерпретации и визуализации этих результатов см. в руководстве по обработке результатов.

Как настроить конфигурацию трекера?

Вы можете настроить трекер, создав измененную версию файла конфигурации трекера. Скопируйте существующий файл конфигурации трекера из ultralytics\/cfg\/trackers, 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 2 месяца назад

Комментарии