Ultralytics YOLO27：

使用 Ultralytics YOLO26 的 TrackZone#

什么是 TrackZone？#

Open TrackZone In Colab

TrackZone 专注于监控画面指定区域内的对象，而不是整个画面。它基于 Ultralytics YOLO26 构建，将对象检测和跟踪专门应用于视频和实时摄像头画面中的区域。YOLO26 的先进算法和深度学习技术使其成为实时使用场景的理想选择，可在人员密集度监控和监控安防等应用中提供精准高效的对象跟踪。



Watch: How to Track Objects in Region using Ultralytics YOLO26 | TrackZone 🚀

区域内对象跟踪的优势（TrackZone）#

  • 定向分析： 在特定区域内跟踪对象可以获得更聚焦的洞察，从而对感兴趣的区域（例如入口或限制区域）进行精准监控和分析。
  • 减少下游工作负载： 忽略区域外的对象后，TrackZone 会移除无关检测结果，因此你在其上层逻辑中需要计数、记录或触发警报的对象更少。检测仍会在完整尺寸的掩膜画面上运行，而不是在区域的紧致裁剪图上运行，因此它带来的好处是输出更干净、更聚焦，而不是更快的模型推理。
  • 增强安全性： 区域跟踪通过监控关键区域来提升安防能力，有助于及早发现异常活动或安全漏洞。
  • 可扩展的解决方案： 通过聚焦特定区域，TrackZone 能够适应从零售空间到工业环境等各种场景，确保无缝集成并支持扩展。

实际应用#

农业交通运输
使用 Ultralytics YOLO26 跟踪田间植物使用 Ultralytics YOLO26 跟踪道路上的车辆
使用 Ultralytics YOLO26 跟踪田间植物使用 Ultralytics YOLO26 跟踪道路上的车辆
使用 Ultralytics YOLO 的 TrackZone
# Run a trackzone example
yolo solutions trackzone show=True

# Pass a source video
yolo solutions trackzone source="path/to/video.mp4" show=True

# Pass region coordinates
yolo solutions trackzone show=True region="[(150, 150), (1130, 150), (1130, 570), (150, 570)]"

TrackZone 依赖 region 列表来确定要监控画面的哪一部分。定义多边形，使其匹配你关注的实际区域（门、闸门等），并在配置时保持 show=True 启用，以便确认叠加层与视频画面对齐。

定义跟踪区域
  • region 中的每个条目都是视频画面中的一个 (x, y) 像素坐标。按照应在你要监控区域的周边连接的顺序列出这些点。
  • 坐标与画面分辨率相关，因此为 1280×720 画面设置的区域无法与 640×480 画面对齐。配置时保留 show=True，以便确认叠加层与画面匹配。
  • TrackZone 会将这些点缩减为其凸包，因此凹形会被简化为包含其所有点的最小凸多边形。对于非凸形状或多个分离区域，请改用 RegionCounter 解决方案。
  • 如果完全省略 region，则会使用默认区域 [(75, 75), (565, 75), (565, 285), (75, 285)]。

TrackZone 参数#

下面是 TrackZone 参数表：

参数类型默认值描述
modelstrNoneUltralytics YOLO 模型文件的路径。
regionlist 或 dictNone定义感兴趣区域的点，可以是 (x, y) 元组列表，也可以是将区域名称映射到多区域点列表的字典（仅限 RegionCounter）。当 None 时，需要区域的解决方案会回退到预定义的默认区域。
line_widthint2解决方案绘制的框、关键点和计数的线条粗细。
verboseboolTrue启用解决方案逐帧记录输入形状、类别计数和处理速度的日志。跟踪调用本身始终保持静默。

TrackZone 解决方案支持以下 track 参数：

参数类型默认值描述
trackerstr'botsort.yaml'指定要使用的跟踪算法。内置选项：botsort.yaml、bytetrack.yaml、ocsort.yaml、deepocsort.yaml、fasttrack.yaml、tracktrack.yaml。
conffloat0.25设置检测的置信度阈值；较低的值允许跟踪更多对象，但可能包含误报。
ioufloat0.7设置用于过滤重叠检测结果的交并比（IoU）阈值。
classeslistNone按类别索引过滤结果。例如，classes=[0, 2, 3] 仅跟踪指定类别。
devicestrNone指定推理设备（例如 cpu、cuda:0 或 0）。允许用户在 CPU、特定 GPU 或其他计算设备之间进行选择，以执行模型。
imgszint or tuple640目标推理图像大小：用于正方形的整数或 (height, width) 对。形状会根据模型步长进行调整。
max_detint300在跟踪前每帧保留的最大检测数，用于限制解决方案在密集场景中处理的对象数量。
quantizeint or strNone推理精度：针对 PyTorch 和 TorchScript 模型，使用 16 (FP16) 或 32/不设置 (FP32)；其他格式则在其工件和运行时选择的精度下进行计算。它替代了已弃用的 half 标志。

此外，还提供以下可视化选项：

参数类型默认值描述
showboolFalse如果为 True，则会在窗口中显示带标注的图像或视频。适用于开发或测试期间获取即时视觉反馈。
show_confboolTrue在每个检测结果旁显示其置信度分数，让你了解模型对每个检测结果的确定程度。
show_labelsboolTrue在可视化输出中显示每个检测结果的标签，帮助你立即了解检测到的对象。

统计区域内的对象数量#

跟踪器的每次调用都会返回一个 SolutionResults 对象，其 total_tracks 属性保存当前区域内跟踪对象的数量。你可以在每一帧读取该属性来监控实时占用情况，例如记录入口或限制区域的繁忙程度：

import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"

region_points = [(150, 150), (1130, 150), (1130, 570), (150, 570)]
trackzone = solutions.TrackZone(show=False, region=region_points, model="yolo26n.pt")

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        break
    results = trackzone(im0)
    print(f"Objects currently in zone: {results.total_tracks}")  # live zone occupancy

cap.release()

常见问题#

  • 使用 Ultralytics YOLO26 跟踪视频画面中定义区域内的对象非常简单。只需使用下面提供的命令即可启动跟踪。这种方法可确保高效分析和准确结果，非常适合安防监控、人员密集度管理或任何需要区域跟踪的场景。

    yolo solutions trackzone source="path/to/video.mp4" show=True

  • 只需几行代码，你就可以设置特定区域内的对象跟踪，从而轻松集成到你的项目中。

    import cv2

from ultralytics import solutions

cap = cv2.VideoCapture("path/to/video.mp4")
assert cap.isOpened(), "Error reading video file"
w, h, fps = (int(cap.get(x)) for x in (cv2.CAP_PROP_FRAME_WIDTH, cv2.CAP_PROP_FRAME_HEIGHT, cv2.CAP_PROP_FPS))
video_writer = cv2.VideoWriter("trackzone_output.avi", cv2.VideoWriter_fourcc(*"mp4v"), fps, (w, h))

trackzone = solutions.TrackZone(
    show=True, region=[(150, 150), (1130, 150), (1130, 570), (150, 570)], model="yolo26n.pt"
)

while cap.isOpened():
    success, im0 = cap.read()
    if not success:
        break
    results = trackzone(im0)
    video_writer.write(results.plot_im)

cap.release()
video_writer.release()
cv2.destroyAllWindows()

  • 使用 Ultralytics TrackZone 配置视频处理的区域点简单且灵活。你可以通过 Python 脚本直接定义和调整区域，从而精确控制要监控的范围。

    # Define region points
region_points = [(150, 150), (1130, 150), (1130, 570), (150, 570)]

# Initialize trackzone
trackzone = solutions.TrackZone(
    show=True,  # display the output
    region=region_points,  # pass region points
)

    请记住，TrackZone 会将这些点缩减为其凸包，因此请按照要监控区域周边的顺序列出这些点。

  • 这三种解决方案都支持区域，但它们要解决的问题不同：

    解决方案用途典型输出
    TrackZone跟踪对象并监控单个凸区域内的实时占用情况跟踪 ID 以及该区域的 total_tracks
    ObjectCounter统计穿过线或进出区域的对象数量累计进入和离开数量
    RegionCounter统计一个或多个任意区域（包括非凸区域）内的对象数量每个区域的对象数量

    如果你需要在一个区域内进行连续跟踪，请选择 TrackZone；如果需要多个区域或非凸形状，请选择 RegionCounter。

贡献者
RIRizwanMunawar6GLglenn-jocher5RAraimbekovm4PDpderrenger1

评论