参考资料 ultralytics/trackers/byte_tracker.py
备注
该文件可在https://github.com/ultralytics/ultralytics/blob/main/ ultralytics/trackers/byte_tracker .py 上获取。如果您发现问题,请通过提交 Pull Request🛠️ 帮助修复。谢谢🙏!
ultralytics.trackers.byte_tracker.STrack
垒球 BaseTrack
使用卡尔曼滤波进行状态估计的单个物体跟踪表示法。
该类负责存储有关单个小轨迹的所有信息,并根据卡尔曼滤波器执行状态更新和预测。 和预测。
属性
名称 | 类型 | 说明 |
---|---|---|
shared_kalman |
KalmanFilterXYAH
|
共享卡尔曼滤波器,用于所有 STrack 实例的预测。 |
_tlwh |
ndarray
|
私有属性,用于存储左上角坐标以及边界框的宽度和高度。 |
kalman_filter |
KalmanFilterXYAH
|
用于该特定物体轨迹的卡尔曼滤波器实例。 |
mean |
ndarray
|
平均状态估计向量。 |
covariance |
ndarray
|
状态估计的协方差。 |
is_activated |
bool
|
布尔标志,表示轨道是否已激活。 |
score |
float
|
赛道的信心分。 |
tracklet_len |
int
|
小轨迹的长度。 |
cls |
any
|
对象的类标签。 |
idx |
int
|
对象的索引或标识符。 |
frame_id |
int
|
当前帧 ID。 |
start_frame |
int
|
首次检测到物体的帧。 |
方法
名称 | 说明 |
---|---|
predict |
使用卡尔曼滤波器预测物体的下一个状态。 |
multi_predict |
预测多个轨道的下一个状态 |
multi_gmc |
使用同构矩阵更新多个轨迹状态 |
activate |
激活新的小轨迹。 |
re_activate |
重新激活之前丢失的小轨迹。 |
update |
更新匹配轨道的状态。 |
convert_coords |
将边界框转换为 x-y-宽高格式。 |
tlwh_to_xyah |
将 tlwh 边界框转换为 xyah 格式。 |
源代码 ultralytics/trackers/byte_tracker.py
12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 |
|
result
property
获取当前跟踪结果。
tlwh
property
以边界框格式(左上角 x、左上角 y、宽度、高度)获取当前位置。
xywh
property
以边界框格式(中心 x、中心 y、宽度、高度)获取当前位置。
xywha
property
以边界框格式(中心 x、中心 y、宽度、高度、角度)获取当前位置。
xyxy
property
将边界框转换为(最小 x、最小 y、最大 x、最大 y)格式,即(左上角、右下角)。
__init__(xywh, score, cls)
初始化新的 STrack 实例。
源代码 ultralytics/trackers/byte_tracker.py
__repr__()
activate(kalman_filter, frame_id)
启动新的小轨道。
源代码 ultralytics/trackers/byte_tracker.py
convert_coords(tlwh)
multi_gmc(stracks, H=np.eye(2, 3))
staticmethod
使用同构矩阵更新状态轨迹位置和协方差。
源代码 ultralytics/trackers/byte_tracker.py
multi_predict(stracks)
staticmethod
使用卡尔曼滤波器对给定的轨迹进行多目标预测跟踪。
源代码 ultralytics/trackers/byte_tracker.py
predict()
使用卡尔曼滤波器预测均值和协方差。
源代码 ultralytics/trackers/byte_tracker.py
re_activate(new_track, frame_id, new_id=False)
通过新的检测重新激活之前丢失的轨迹。
源代码 ultralytics/trackers/byte_tracker.py
tlwh_to_xyah(tlwh)
staticmethod
将边界框转换为格式(中心 x、中心 y、长宽比、高度),其中长宽比为宽/高。 高度。
源代码 ultralytics/trackers/byte_tracker.py
update(new_track, frame_id)
更新匹配轨道的状态。
参数
名称 | 类型 | 说明 | 默认值 |
---|---|---|---|
new_track |
STrack
|
包含最新信息的新轨道。 |
所需 |
frame_id |
int
|
当前帧的 ID。 |
所需 |
源代码 ultralytics/trackers/byte_tracker.py
ultralytics.trackers.byte_tracker.BYTETracker
BYTETracker:基于YOLOv8 的跟踪算法,用于物体检测和跟踪。
该类负责初始化、更新和管理视频序列中检测到的对象的轨迹。 该类负责初始化、更新和管理视频序列中检测到的物体的轨迹。它维护各帧中被跟踪、丢失和移除的轨迹的状态,利用卡尔曼滤波来预测新的物体位置,并执行数据关联。 预测新的物体位置,并执行数据关联。
属性
名称 | 类型 | 说明 |
---|---|---|
tracked_stracks |
list[STrack]
|
成功激活的轨道列表。 |
lost_stracks |
list[STrack]
|
遗失曲目清单 |
removed_stracks |
list[STrack]
|
被删除的曲目列表。 |
frame_id |
int
|
当前帧 ID。 |
args |
namespace
|
命令行参数 |
max_time_lost |
int
|
轨道被视为 "丢失 "的最大帧数。 |
kalman_filter |
object
|
卡尔曼滤波对象。 |
方法
名称 | 说明 |
---|---|
update |
用新的检测结果更新对象跟踪器。 |
get_kalmanfilter |
返回用于跟踪边界框的卡尔曼滤波器对象。 |
init_track |
通过检测初始化目标跟踪。 |
get_dists |
计算轨迹和检测之间的距离。 |
multi_predict |
预测轨道位置 |
reset_id |
重置 STrack 的 ID 计数器。 |
joint_stracks |
合并两个字符串列表。 |
sub_stracks |
从第一个列表中筛选出第二个列表中的字符串。 |
remove_duplicate_stracks |
根据 IoU 删除重复的字符串。 |
源代码 ultralytics/trackers/byte_tracker.py
212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 |
|
__init__(args, frame_rate=30)
初始化YOLOv8 对象,使用给定的参数和帧频跟踪对象。
源代码 ultralytics/trackers/byte_tracker.py
get_dists(tracks, detections)
使用 IoU 和融合分数计算轨迹和检测之间的距离。
源代码 ultralytics/trackers/byte_tracker.py
get_kalmanfilter()
init_track(dets, scores, cls, img=None)
使用 STrack 算法,利用检测和分数初始化目标跟踪。
joint_stracks(tlista, tlistb)
staticmethod
将两个链表合并为一个链表。
源代码 ultralytics/trackers/byte_tracker.py
multi_predict(tracks)
remove_duplicate_stracks(stracksa, stracksb)
staticmethod
删除非最大 IoU 距离的重复链路。
源代码 ultralytics/trackers/byte_tracker.py
reset()
重置跟踪器。
源代码 ultralytics/trackers/byte_tracker.py
reset_id()
staticmethod
sub_stracks(tlista, tlistb)
staticmethod
DEPRECATED CODE in https://github.com/ultralytics/ultralytics/pull/1890/ stracks = {t.track_id: t for t in tlista} for t in tlistb: tid = t.track_id if stracks.get(tid, 0): del stracks[tid] return list(stracks.values())
源代码 ultralytics/trackers/byte_tracker.py
update(results, img=None)
用新的检测结果更新对象跟踪器,并返回跟踪对象的边界框。
源代码 ultralytics/trackers/byte_tracker.py
253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 |
|