Chỉnh sửa trang trên GitHub (EN)

Tổng quan về các tập dữ liệu theo dõi đa đối tượng

Theo dõi đa đối tượng là một thành phần quan trọng trong phân tích video, giúp nhận diện các đối tượng và duy trì ID duy nhất cho mỗi đối tượng được phát hiện xuyên suốt các khung hình video. Ultralytics YOLO cung cấp các khả năng theo dõi mạnh mẽ có thể áp dụng cho nhiều lĩnh vực khác nhau bao gồm giám sát, phân tích thể thao và giám sát giao thông.

Định dạng tập dữ liệu (Sắp ra mắt)

Tính năng theo dõi của Ultralytics hiện đang tái sử dụng các model phát hiện (detection), phân đoạn (segmentation) hoặc pose mà không yêu cầu huấn luyện chuyên biệt cho trình theo dõi. Hỗ trợ huấn luyện trình theo dõi gốc đang được phát triển tích cực.

Các trình theo dõi khả dụng

Ultralytics YOLO hỗ trợ các thuật toán theo dõi sau:

  • BoT-SORT - Sử dụng botsort.yaml để bật trình theo dõi này (mặc định)
  • ByteTrack - Sử dụng bytetrack.yaml để bật trình theo dõi này

Cách sử dụng

Ví dụ
from ultralytics import YOLO

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

Duy trì track giữa các khung hình

Để theo dõi liên tục giữa các khung hình video, bạn có thể sử dụng tham số persist=True:

Ví dụ
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()

Câu hỏi thường gặp (FAQ)

Làm thế nào để sử dụng theo dõi đa đối tượng với Ultralytics YOLO?

Để sử dụng theo dõi đa đối tượng với Ultralytics YOLO, bạn có thể bắt đầu bằng cách sử dụng các ví dụ Python hoặc CLI được cung cấp. Dưới đây là cách bạn có thể bắt đầu:

Ví dụ
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)

Các lệnh này tải model YOLO26 và sử dụng nó để theo dõi các đối tượng trong nguồn video nhất định với các ngưỡng độ tin cậy (conf) và Intersection over Union (iou) cụ thể. Để biết thêm chi tiết, hãy tham khảo tài liệu chế độ track.

Các tính năng sắp tới cho việc huấn luyện trình theo dõi trong Ultralytics là gì?

Ultralytics liên tục cải tiến các model AI của mình. Một tính năng sắp tới sẽ cho phép huấn luyện các trình theo dõi độc lập. Cho đến lúc đó, Multi-Object Detector tận dụng các model phát hiện, phân đoạn hoặc Pose được huấn luyện trước để theo dõi mà không yêu cầu huấn luyện độc lập. Hãy cập nhật bằng cách theo dõi blog của chúng tôi hoặc kiểm tra các tính năng sắp tới.

Tại sao tôi nên sử dụng Ultralytics YOLO để theo dõi đa đối tượng?

Ultralytics YOLO là một model phát hiện đối tượng tiên tiến, nổi tiếng với hiệu suất thời gian thực và độ chính xác cao. Sử dụng YOLO để theo dõi đa đối tượng mang lại một số ưu điểm:

  • Theo dõi thời gian thực: Đạt được khả năng theo dõi hiệu quả và tốc độ cao, lý tưởng cho các môi trường động.
  • Tính linh hoạt với các model đã được huấn luyện trước: Không cần huấn luyện từ đầu; chỉ cần sử dụng các model phát hiện, phân đoạn hoặc Pose đã được huấn luyện trước.
  • Dễ sử dụng: Tích hợp API đơn giản với cả Python và CLI giúp việc thiết lập các pipeline theo dõi trở nên dễ dàng.
  • Tài liệu phong phú và hỗ trợ cộng đồng: Ultralytics cung cấp tài liệu toàn diện và diễn đàn cộng đồng tích cực để giải quyết các vấn đề và nâng cao các model theo dõi của bạn.

Để biết thêm chi tiết về cách thiết lập và sử dụng YOLO để theo dõi, hãy truy cập hướng dẫn sử dụng track của chúng tôi.

Tôi có thể sử dụng các tập dữ liệu tùy chỉnh để theo dõi đa đối tượng với Ultralytics YOLO không?

Có, bạn có thể sử dụng các tập dữ liệu tùy chỉnh để theo dõi đa đối tượng với Ultralytics YOLO. Mặc dù hỗ trợ huấn luyện trình theo dõi độc lập là một tính năng sắp tới, bạn đã có thể sử dụng các model đã được huấn luyện trước trên các tập dữ liệu tùy chỉnh của mình. Hãy chuẩn bị các tập dữ liệu của bạn theo định dạng phù hợp tương thích với YOLO và làm theo tài liệu để tích hợp chúng.

Làm thế nào để diễn giải kết quả từ model theo dõi Ultralytics YOLO?

Sau khi chạy một công việc theo dõi với Ultralytics YOLO, kết quả bao gồm nhiều điểm dữ liệu khác nhau như ID đối tượng được theo dõi, hộp bao (bounding box) của chúng và điểm độ tin cậy. Dưới đây là tóm tắt ngắn gọn về cách diễn giải các kết quả này:

  • ID được theo dõi: Mỗi đối tượng được gán một ID duy nhất, giúp theo dõi đối tượng đó qua các khung hình.
  • Hộp bao (Bounding boxes): Những thông tin này chỉ ra vị trí của các đối tượng được theo dõi trong khung hình.
  • Điểm độ tin cậy: Những giá trị này phản ánh mức độ tin cậy của model trong việc phát hiện đối tượng được theo dõi.

Để có hướng dẫn chi tiết về cách diễn giải và trực quan hóa các kết quả này, hãy tham khảo hướng dẫn xử lý kết quả.

Làm thế nào tôi có thể tùy chỉnh cấu hình trình theo dõi?

Bạn có thể tùy chỉnh trình theo dõi bằng cách tạo một phiên bản sửa đổi của tệp cấu hình trình theo dõi. Hãy sao chép một tệp cấu hình trình theo dõi hiện có từ ultralytics/cfg/trackers, sửa đổi các tham số nếu cần và chỉ định tệp này khi chạy trình theo dõi:

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
results = model.track(source="video.mp4", tracker="custom_tracker.yaml")
Contributors
Chỉnh sửa trang trên GitHub (EN)
GLglenn-jocher13PDpderrenger1MAMatthewNoyce1AMambitious-octopus1

Bình luận