yolov8_test/docs/ru/modes/track.md

comments	description	keywords
true	Узнайте, как использовать Ultralytics YOLO для отслеживания объектов в видеопотоках. Руководства по использованию различных трекеров и настройке конфигурации трекера.	Ultralytics, YOLO, отслеживание объектов, видеопотоки, BoT-SORT, ByteTrack, руководство на Python, руководство CLI

Множественное отслеживание объектов с помощью Ultralytics YOLO

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.

Смотрите: Обнаружение объектов и отслеживание с Ultralytics YOLOv8.

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 - Используйте botsort.yaml, чтобы активировать этот трекер.
• 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.

!!! 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 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.

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! 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 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 🙏!