Meet YOLO26: next-gen vision AI.

Link to this section使用 Ultralytics YOLO26 进行 TrackZone#

Link to this section什么是 TrackZone？#

在 Colab 中打开 TrackZone

TrackZone 专门用于监测帧中指定区域内的对象，而不是整个帧。它基于 Ultralytics YOLO26 构建，专门集成了视频和实时摄像机流中区域内的对象检测和 tracking 功能。YOLO26 先进的算法和 deep learning 技术使其成为实时用例的理想选择，能在人群监控和安防等应用中提供精确高效的对象跟踪。



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

Link to this section区域对象跟踪 (TrackZone) 的优势#

  • 目标分析： 在特定区域内跟踪对象可以获得更聚焦的见解，实现对感兴趣区域（如入口点或限制区域）的精确监控和分析。
  • 减少下游工作负载： 通过忽略区域外的对象，TrackZone 消除了不相关的检测结果，因此在你基于此构建的逻辑中，需要计数、记录或触发警报的对象会更少。检测仍然在全尺寸遮罩帧上运行，而不是区域的紧密裁剪，因此这样做的好处是输出更简洁、更专注，而不是提高模型推理速度。
  • 增强安全性： 区域跟踪通过监控关键区域来加强安防，有助于及早发现异常活动或安全漏洞。
  • 可扩展的解决方案： 聚焦特定区域的能力使得 TrackZone 能够适应从零售空间到工业环境等各种场景，确保无缝集成和可扩展性。

Link to this section现实世界应用#

农业交通运输
使用 Ultralytics YOLO26 进行田间植物跟踪使用 Ultralytics YOLO26 进行道路车辆跟踪
使用 Ultralytics YOLO26 进行田间植物跟踪使用 Ultralytics YOLO26 进行道路车辆跟踪
使用 Ultralytics YOLO 进行 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。定义多边形以匹配你关心的物理区域（门、闸等），并在配置时保持 show=True 启用，这样你就能确认覆盖层与视频馈送是否对齐。

定义跟踪区域
  • region 中的每个条目都是视频帧中的 (x, y) 像素坐标。请按你想要监测区域周边的连接顺序排列这些点。
  • 坐标与帧分辨率相关联，因此为 1280×720 分辨率设置的区域无法与 640×480 的分辨率对齐。配置时保持 show=True，以便确认覆盖层与你的画面相匹配。
  • TrackZone 会将这些点简化为它们的 convex hull，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独立区域，请改用 RegionCounter 解决方案。
  • 如果你完全省略 region，则会使用默认区域 [(75, 75), (565, 75), (565, 285), (75, 285)]。

Link to this sectionTrackZone 参数#

下表列出了 TrackZone 的参数：

参数类型默认值描述
modelstrNoneUltralytics YOLO 模型文件的路径。
regionlist'[(20, 400), (1260, 400)]'定义计数区域的点列表。

TrackZone 解决方案包含对 track 参数的支持：

参数类型默认值描述
trackerstr'botsort.yaml'指定要使用的追踪算法。内置选项包括：botsort.yaml、bytetrack.yaml、ocsort.yaml、deepocsort.yaml、fasttrack.yaml、tracktrack.yaml。
conffloat0.1设置检测的置信度阈值；较低的值允许跟踪更多的对象，但也可能包含误报。
ioufloat0.7设置用于过滤重叠检测的 交并比 (IoU) 阈值。
classeslistNone按类别索引过滤结果。例如，classes=[0, 2, 3] 仅跟踪指定的类别。
verboseboolTrue控制跟踪结果的显示，提供被跟踪对象的视觉输出。
devicestrNone指定推理设备（例如 cpu、cuda:0 或 0）。允许用户在 CPU、特定的 GPU 或其他计算设备之间进行选择以执行模型。

此外，还提供了以下可视化选项：

参数类型默认值描述
showboolFalse如果为 True，则在窗口中显示标注后的图像或视频。这对于开发或测试过程中的即时视觉反馈非常有用。
line_widthint or NoneNone指定边界框的线条宽度。如果为 None，则线条宽度会根据图像尺寸自动调整。提供用于清晰度的视觉自定义功能。
show_confboolTrue在标签旁显示每次检测的置信度得分。让你深入了解模型对每次检测的确定性。
show_labelsboolTrue在视觉输出中显示每次检测的标签。提供对检测到对象的即时理解。

Link to this section统计区域内的对象#

每次对跟踪器进行调用都会返回一个 SolutionResults 对象，其 total_tracks 属性包含当前区域内被跟踪的对象数量。在每一帧上读取它以监测实时占用情况，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()

Link to this section常见问题解答#

Link to this section如何使用 Ultralytics YOLO26 在视频画面的特定区域或区域内跟踪对象？#

使用 Ultralytics YOLO26 在视频画面的定义区域或区域内跟踪对象非常直接。只需使用下面提供的命令启动跟踪即可。这种方法确保了高效的分析和准确的结果，非常适合监控、人群管理或任何需要区域跟踪的场景。

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

Link to this section如何使用 Python 配合 Ultralytics YOLO26 使用 TrackZone？#

只需几行代码，你就可以设置特定区域的对象跟踪，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()

Link to this section如何使用 Ultralytics TrackZone 为视频处理配置区域点？#

使用 Ultralytics TrackZone 为视频处理配置区域点既简单又可定制。你可以直接通过 Python 脚本定义和调整区域，从而精确控制你想要监控的范围。

# 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 会将点简化为其凸包，因此请按你想要监测的区域周边顺序排列它们。

Link to this section我应该何时使用 TrackZone 而不是 ObjectCounter 或 RegionCounter？#

这三种解决方案都适用于区域，但它们回答的问题不同：

解决方案使用它来实现典型输出
TrackZone在单个凸区域内跟踪对象并监测实时占用情况跟踪到的 ID 和区域内的 total_tracks
ObjectCounter统计穿过线条或进入并离开某个区域的对象累计进入和离开的计数
RegionCounter统计一个或多个任意区域（包括非凸区域）内的对象每个区域的对象计数

当你需要在单个区域内进行连续跟踪时选择 TrackZone，当你需要多个区域或非凸形状时选择 RegionCounter。

贡献者
RIRizwanMunawar5GLglenn-jocher4RAraimbekovm1PDpderrenger1

评论