mirror of
https://github.com/THU-MIG/yolov10.git
synced 2025-05-27 17:14:22 +08:00
02bf8003a8
Signed-off-by: Glenn Jocher <glenn.jocher@ultralytics.com> Co-authored-by: pre-commit-ci[bot] <66853113+pre-commit-ci[bot]@users.noreply.github.com>
201 lines
16 KiB
Markdown
201 lines
16 KiB
Markdown
---
|
||
comments: true
|
||
description: Узнайте, как использовать Ultralytics YOLO для отслеживания объектов в видеопотоках. Руководства по использованию различных трекеров и настройке конфигурации трекера.
|
||
keywords: Ultralytics, YOLO, отслеживание объектов, видеопотоки, BoT-SORT, ByteTrack, руководство на Python, руководство CLI
|
||
---
|
||
|
||
# Множественное отслеживание объектов с помощью Ultralytics YOLO
|
||
|
||
<img width="1024" src="https://user-images.githubusercontent.com/26833433/243418637-1d6250fd-1515-4c10-a844-a32818ae6d46.png" alt="Примеры множественного отслеживания объектов">
|
||
|
||
Отслеживание объектов в сфере видеоаналитики является ключевой задачей, которая определяет не только местоположение и класс объектов в кадре, но также поддерживает уникальный ID для каждого обнаруженного объекта по мере развития видео. Приложения безграничны — от наблюдения и безопасности до аналитики реального времени в спорте.
|
||
|
||
## Почему стоит выбрать Ultralytics YOLO для отслеживания объектов?
|
||
|
||
Вывод с трекеров Ultralytics согласуется со стандартным обнаружением объектов, но имеет добавленные ID объектов. Это упрощает отслеживание объектов в видеопотоках и выполнение последующей аналитики. Вот почему вы должны рассмотреть использование Ultralytics YOLO для ваших потребностей в отслеживании объектов:
|
||
|
||
- **Эффективность:** Обработка видеопотоков в режиме реального времени без потери точности.
|
||
- **Гибкость:** Поддержка множества алгоритмов отслеживания и конфигураций.
|
||
- **Простота использования:** Простой Python API и CLI-опции для быстрой интеграции и развертывания.
|
||
- **Настраиваемость:** Легкость использования с пользовательскими обученными моделями YOLO, позволяющая интеграцию в специфические для домена приложения.
|
||
|
||
<p align="center">
|
||
<br>
|
||
<iframe width="720" height="405" src="https://www.youtube.com/embed/hHyHmOtmEgs?si=VNZtXmm45Nb9s-N-"
|
||
title="YouTube видео плеер" frameborder="0"
|
||
allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share"
|
||
allowfullscreen>
|
||
</iframe>
|
||
<br>
|
||
<strong>Смотрите:</strong> Обнаружение объектов и отслеживание с Ultralytics YOLOv8.
|
||
</p>
|
||
|
||
## Прикладные применения
|
||
|
||
| Транспорт | Ритейл | Аквакультура |
|
||
|:---------------------------------------------------------------------------------------------------------------------------------------:|:------------------------------------------------------------------------------------------------------------------------:|:----------------------------------------------------------------------------------------------------------------------:|
|
||
|  |  |  |
|
||
| Отслеживание транспортных средств | Отслеживание людей | Отслеживание рыб |
|
||
|
||
## Ключевые особенности
|
||
|
||
Ultralytics YOLO расширяет свои возможности обнаружения объектов для обеспечения надежного и универсального отслеживания объектов:
|
||
|
||
- **Отслеживание в реальном времени:** Безпрерывное отслеживание объектов в видео с высокой частотой кадров.
|
||
- **Поддержка множества трекеров:** Выбор из разнообразия установленных алгоритмов отслеживания.
|
||
- **Настраиваемые конфигурации трекеров:** Настройка алгоритма отслеживания для конкретных требований путем регулировки различных параметров.
|
||
|
||
## Доступные трекеры
|
||
|
||
Ultralytics YOLO поддерживает следующие алгоритмы отслеживания. Их можно включить, передав соответствующий YAML файл конфигурации, например `tracker=tracker_type.yaml`:
|
||
|
||
* [BoT-SORT](https://github.com/NirAharon/BoT-SORT) - Используйте `botsort.yaml`, чтобы активировать этот трекер.
|
||
* [ByteTrack](https://github.com/ifzhang/ByteTrack) - Используйте `bytetrack.yaml`, чтобы активировать этот трекер.
|
||
|
||
Трекер по умолчанию - BoT-SORT.
|
||
|
||
## Отслеживание
|
||
|
||
Для запуска трекера на видеопотоках используйте обученные модели Detect, Segment или Pose, такие как YOLOv8n, YOLOv8n-seg и YOLOv8n-pose.
|
||
|
||
!!! Example "Пример"
|
||
|
||
=== "Python"
|
||
|
||
```python
|
||
from ultralytics import YOLO
|
||
|
||
# Загрузите официальную или пользовательскую модель
|
||
model = YOLO('yolov8n.pt') # Загрузить официальную модель Detect
|
||
model = YOLO('yolov8n-seg.pt') # Загрузить официальную модель Segment
|
||
model = YOLO('yolov8n-pose.pt') # Загрузить официальную модель Pose
|
||
model = YOLO('path/to/best.pt') # Загрузить пользовательскую обученную модель
|
||
|
||
# Выполнить отслеживание с помощью модели
|
||
results = model.track(source="https://youtu.be/LNwODJXcvt4", show=True) # Отслеживание с трекером по умолчанию
|
||
results = model.track(source="https://youtu.be/LNwODJXcvt4", show=True, tracker="bytetrack.yaml") # Отслеживание с трекером ByteTrack
|
||
```
|
||
|
||
=== "CLI"
|
||
|
||
```bash
|
||
# Выполнить отслеживание с различными моделями используя командный интерфейс
|
||
yolo track model=yolov8n.pt source="https://youtu.be/LNwODJXcvt4" # Официальная модель Detect
|
||
yolo track model=yolov8n-seg.pt source="https://youtu.be/LNwODJXcvt4" # Официальная модель Segment
|
||
yolo track model=yolov8n-pose.pt source="https://youtu.be/LNwODJXcvt4" # Официальная модель Pose
|
||
yolo track model=path/to/best.pt source="https://youtu.be/LNwODJXcvt4" # Пользовательская обученная модель
|
||
|
||
# Отслеживание с использованием трекера ByteTrack
|
||
yolo track model=path/to/best.pt tracker="bytetrack.yaml"
|
||
```
|
||
|
||
Как видно из вышеуказанного использования, отслеживание доступно для всех моделей Detect, Segment и Pose, работающих с видео или потоковыми источниками.
|
||
|
||
## Конфигурация
|
||
|
||
### Аргументы для отслеживания
|
||
|
||
Конфигурация отслеживания имеет общие свойства с режимом Predict, такие как `conf`, `iou` и `show`. Для дальнейшей настройки обратитесь к странице модели [Predict](https://docs.ultralytics.com/modes/predict/).
|
||
|
||
!!! Example "Пример"
|
||
|
||
=== "Python"
|
||
|
||
```python
|
||
from ultralytics import YOLO
|
||
|
||
# Настройте параметры отслеживания и запустите трекер
|
||
model = YOLO('yolov8n.pt')
|
||
results = model.track(source="https://youtu.be/LNwODJXcvt4", conf=0.3, iou=0.5, show=True)
|
||
```
|
||
|
||
=== "CLI"
|
||
|
||
```bash
|
||
# Настройте параметры отслеживания и запустите трекер, используя командный интерфейс
|
||
yolo track model=yolov8n.pt source="https://youtu.be/LNwODJXcvt4" conf=0.3, iou=0.5 show
|
||
```
|
||
|
||
### Выбор трекера
|
||
|
||
Ultralytics также позволяет использовать измененный файл конфигурации трекера. Для этого просто сделайте копию файла конфигурации трекера (например, `custom_tracker.yaml`) из [ultralytics/cfg/trackers](https://github.com/ultralytics/ultralytics/tree/main/ultralytics/cfg/trackers) и измените любые настройки (кроме `tracker_type`) в соответствии с вашими потребностями.
|
||
|
||
!!! Example "Пример"
|
||
|
||
=== "Python"
|
||
|
||
```python
|
||
from ultralytics import YOLO
|
||
|
||
# Загрузите модель и запустите трекер с пользовательским файлом конфигурации
|
||
model = YOLO('yolov8n.pt')
|
||
results = model.track(source="https://youtu.be/LNwODJXcvt4", tracker='custom_tracker.yaml')
|
||
```
|
||
|
||
=== "CLI"
|
||
|
||
```bash
|
||
# Загрузите модель и запустите трекер с пользовательским файлом конфигурации, используя командный интерфейс
|
||
yolo track model=yolov8n.pt source="https://youtu.be/LNwODJXcvt4" tracker='custom_tracker.yaml'
|
||
```
|
||
|
||
Для полного списка аргументов отслеживания обратитесь к странице [ultralytics/cfg/trackers](https://github.com/ultralytics/ultralytics/tree/main/ultralytics/cfg/trackers).
|
||
|
||
## Примеры на Python
|
||
|
||
### Цикл сохранения следов
|
||
|
||
Вот пример скрипта Python, использующий OpenCV (`cv2`) и YOLOv8 для выполнения отслеживания объектов на кадрах видео. В этом сценарии предполагается, что вы уже установили необходимые пакеты (`opencv-python` и `ultralytics`). Аргумент `persist=True` указывает трекеру, что текущее изображение или кадр является следующим в последовательности и ожидает, что следы с предыдущего изображения будут присутствовать в текущем изображении.
|
||
|
||
!!! Example "Цикл с потоковым отслеживанием for-loop"
|
||
|
||
```python
|
||
import cv2
|
||
from ultralytics import YOLO
|
||
|
||
# Загрузите модель YOLOv8
|
||
model = YOLO('yolov8n.pt')
|
||
|
||
# Откройте видеофайл
|
||
video_path = "path/to/video.mp4"
|
||
cap = cv2.VideoCapture(video_path)
|
||
|
||
# Цикл по кадрам видео
|
||
while cap.isOpened():
|
||
# Чтение кадра из видео
|
||
success, frame = cap.read()
|
||
|
||
if success:
|
||
# Выполните отслеживание YOLOv8 для кадра, сохраняя следы между кадрами
|
||
results = model.track(frame, persist=True)
|
||
|
||
# Визуализируйте результаты на кадре
|
||
annotated_frame = results[0].plot()
|
||
|
||
# Покажите аннотированный кадр
|
||
cv2.imshow("Отслеживание YOLOv8", annotated_frame)
|
||
|
||
# Прервать цикл, если нажата клавиша 'q'
|
||
if cv2.waitKey(1) & 0xFF == ord("q"):
|
||
break
|
||
else:
|
||
# Прервать цикл, если достигнут конец видео
|
||
break
|
||
|
||
# Освободите объект захвата видео и закройте окно отображения
|
||
cap.release()
|
||
cv2.destroyAllWindows()
|
||
```
|
||
|
||
Обратите внимание на изменение с `model(frame)` на `model.track(frame)`, которое позволяет включить отслеживание объектов вместо простого обнаружения. Этот измененный скрипт будет выполнять трекер на каждом кадре видео, визуализировать результаты и отображать их в окне. Цикл можно завершить нажатием 'q'.
|
||
|
||
## Содействие в новых трекерах
|
||
|
||
Вы являетесь профессионалом в множественном отслеживании объектов и успешно реализовали или адаптировали алгоритм отслеживания с Ultralytics YOLO? Мы приглашаем вас внести свой вклад в наш раздел Trackers на [ultralytics/cfg/trackers](https://github.com/ultralytics/ultralytics/tree/main/ultralytics/cfg/trackers)! Ваши реальные приложения и решения могут быть бесценными для пользователей, работающих над задачами отслеживания.
|
||
|
||
Внося свой вклад в этот раздел, вы помогаете расширить спектр доступных решений для отслеживания в рамках фреймворка Ultralytics YOLO, добавляя еще один уровень функциональности и полезности для сообщества.
|
||
|
||
Чтобы начать свой вклад, пожалуйста, ознакомьтесь с нашим [Руководством для участников](https://docs.ultralytics.com/help/contributing) для получения полной инструкции по отправке Pull Request (PR) 🛠️. Мы в предвкушении увидеть, что вы принесете на стол!
|
||
|
||
Вместе давайте улучшим возможности отслеживания экосистемы Ultralytics YOLO 🙏!
|