多物体追踪数据集概览

多目标跟踪是视频分析中的一个关键组成部分，它可以识别物体并在视频帧中为每个检测到的物体维护唯一的ID。Ultralytics YOLO提供了强大的跟踪功能，可以应用于各种领域，包括监控、体育分析和交通监控。

数据集格式（即将推出）

多目标检测器不需要单独训练，可以直接支持预训练的检测、分割或姿势估计模型。对单独训练跟踪器的支持即将推出。

可用跟踪器

Ultralytics YOLO 支持以下跟踪算法：

• BoT-SORT - 使用 botsort.yaml 启用此跟踪器（默认）
• ByteTrack - 使用 bytetrack.yaml 启用此跟踪器

用法

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

在帧之间保持追踪

为了在视频帧中进行连续跟踪，您可以使用 persist=True 参数训练 YOLO11 时，可以控制缓存：

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()

常见问题

如何将多目标跟踪与Ultralytics YOLO结合使用？

要将多目标跟踪与Ultralytics YOLO结合使用，您可以从提供的python或CLI示例开始。以下是您可以开始使用的方法：

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

这些命令加载YOLO11模型，并使用它来跟踪给定视频源中的对象，具有特定的置信度（conf）和 交并比 (iou）阈值。有关更多详细信息，请参阅 跟踪模式文档.

Ultralytics中用于训练跟踪器的即将推出的功能有哪些？

Ultralytics 不断增强其 AI 模型。即将推出的功能将支持独立跟踪器的训练。在此之前，多目标检测器利用预训练的检测、分割或姿势估计模型进行跟踪，而无需单独训练。请关注我们的博客或查看即将推出的功能，以获取最新信息。

为什么我应该使用Ultralytics YOLO进行多目标跟踪？

Ultralytics YOLO是一种先进的目标检测模型，以其卓越的实时性能和高精度而闻名。使用YOLO进行多目标跟踪具有以下几个优势：

• 实时跟踪： 实现高效和高速的跟踪，非常适合动态环境。
• 预训练模型的灵活性： 无需从头开始训练；只需使用预训练的检测、分割或姿势估计模型即可。
• 易于使用： 通过python和CLI的简单API集成使设置跟踪管道变得简单直接。
• 广泛的文档和社区支持： Ultralytics提供全面的文档和一个活跃的社区论坛，以解决问题并增强您的跟踪模型。

有关设置和使用YOLO进行跟踪的更多详细信息，请访问我们的跟踪使用指南。

我可以将自定义数据集用于Ultralytics YOLO的多目标跟踪吗？

是的，您可以将自定义数据集用于Ultralytics YOLO的多目标跟踪。虽然对独立跟踪器训练的支持是即将推出的功能，但您已经可以在自定义数据集上使用预训练模型。请准备好与YOLO兼容的适当格式的数据集，并按照文档进行集成。

如何解释Ultralytics YOLO跟踪模型的结果？

在使用Ultralytics YOLO运行跟踪任务后，结果包括各种数据点，例如跟踪对象的ID、其边界框和置信度分数。以下是如何解释这些结果的简要概述：

• 跟踪ID： 每个对象都会被分配一个唯一的ID，这有助于跨帧跟踪它。
• 边界框： 这些指示了被跟踪对象在帧内的位置。
• 置信度分数： 这些反映了模型在检测被跟踪对象时的置信度。

有关解释和可视化这些结果的详细指导，请参阅结果处理指南。

如何自定义跟踪器配置？

您可以通过创建跟踪器配置文件的修改版本来自定义跟踪器。从 ultralytics/cfg/trackers 复制现有的跟踪器配置文件，根据需要修改参数，并在运行跟踪器时指定此文件：

from ultralytics import YOLO

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

📅 创建于 1 年前 ✏️ 更新于 2 个月前

评论