|
|
--- |
|
|
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 🙏!
|
|
|
|
