Multi-Objekt-Verfolgung (MOT)

Multi-Object Tracking (MOT) ist eine hochentwickelte Funktion im Bereich Computer Vision (CV) , die es Systemen ermöglicht, mehrere einzigartige Objekte über eine Sequenz von Videobildern hinweg zu detect, zu identifizieren und zu verfolgen. Im Gegensatz zu herkömmlichen Objekterkennung, die jedes Bild als isoliertes Ereignis behandelt, führt MOT eine zeitliche Dimension in die künstliche Intelligenz (KI). Durch die Zuweisung einer dauerhaften Identifikationsnummer (ID) zu jeder erkannten Instanz – wie beispielsweise einem bestimmten Auto im Verkehr oder einem Spieler auf einem Sportfeld – ermöglicht MOT Algorithmen, die Identität von Objekten beizubehalten, während diese sich bewegen, interagieren und sogar vorübergehend hinter Hindernissen verschwinden. Diese Kontinuität ist die Grundlage des modernen Videoanalyse und Verhaltensanalyse.

Die Mechanik von Tracking-Systemen

Die meisten modernen MOT-Systeme, einschließlich derer, die mit dem hochmodernen YOLO26, arbeiten nach dem Paradigma „Tracking-by-Detection“. Dieser Arbeitsablauf basiert auf einem Zyklus aus Erkennung und Zuordnung, um eine hohe Genauigkeit und minimale ID-Wechsel

1. Erkennung: In jedem Frame wird ein Hochgeschwindigkeitsmodell wie YOLO26 oder die Vorgängergeneration YOLO11 die Szene, um Objekte zu lokalisieren, und erzeugt Begrenzungsrahmen und Klassenwahrscheinlichkeiten generiert.
2. Bewegungsvorhersage: Um vorherzusagen, wohin sich ein Objekt als nächstes bewegen wird, verwenden Algorithmen mathematische Schätzer wie den Kalman-Filter. Dadurch entsteht eine Zustandsschätzung basierend auf Geschwindigkeit und Flugbahn, wodurch der Suchbereich für das nachfolgende Bild verringert wird.
3. Datenzuordnung: Das System gleicht neue Erkennungen mit bestehenden Spuren ab. Optimierungsmethoden wie der ungarischen Algorithmus lösen dieses Zuordnungsproblem, indem sie die „Kosten” der Zuordnung minimieren, häufig unter Verwendung von Intersection over Union (IoU) zur Messung der räumlichen Überlappung.
4. Re-Identifizierung (ReID): Bei visuellen Hindernissen – auch als Okklusionbezeichnet – verwenden fortschrittliche Tracker visuelle Einbettungen , um das Objekt zu erkennen, wenn es wieder erscheint, wobei seine ursprüngliche ID beibehalten wird, anstatt es als neues Objekt zu behandeln.

MOT vs. Verwandte Konzepte

Den Unterschied zwischen MOT und ähnlichen Begriffen des maschinellen Lernens (ML) ist entscheidend für die Auswahl des richtigen Tools.

• vs. Objekterkennung: Die Erkennung beantwortet die Fragen „Was und wo?“ in einem statischen Bild. Wenn eine Person in Frame 1 und Frame 2 erscheint, sieht ein Detektor zwei separate Personen. MOT verbindet sie und erkennt, dass es sich um dieselbe Person handelt, die sich im Zeitverlauf bewegt.
• vs. Single-Object Tracking (SOT): SOT konzentriert sich darauf, ein bestimmtes Ziel zu verfolgen, das oft manuell vom Benutzer initialisiert wird, und es unabhängig von anderen Ablenkungen zu verfolgen. MOT ist komplexer, da es autonom track unbekannte, schwankende Anzahl von Objekten detect track muss, die in die Szene eintreten und sie verlassen, was ein robustes Speicherverwaltung Logik.

Anwendungsfälle in der Praxis

Die Fähigkeit, Video-Feeds in strukturierte Daten umzuwandeln, treibt Innovationen in allen Branchen voran und ermöglicht vorausschauende Modellierung und automatisierte Entscheidungsfindung.

• Intelligente Transportsysteme: In der KI im Automobilbereich ist MOT für selbstfahrende Autos und die Infrastruktur intelligenter Städte unverzichtbar. Es ermöglicht die Geschwindigkeitsschätzung durch die Analyse der zurückgelegten Strecke eines Fahrzeugs über einen bestimmten Zeitraum und trägt zur Unfallverhütung bei, indem sie die Bewegungsbahnen von Fußgängern und Radfahrern
• Einzelhandelsanalyse: Stationäre Geschäfte nutzen KI im Einzelhandel , um das Kaufverhalten zu analysieren. Durch die Anwendung von MOT zur Objekttrennungkönnen Einzelhändler Heatmaps von stark frequentierten Gängen erstellen, Verweildauer überwachen und das Warteschlangenmanagement optimieren, um Wartezeiten an der Kasse zu reduzieren.

Implementierung von Tracking mit Python

Die ultralytics Das Paket bietet eine nahtlose Schnittstelle für MOT und integriert leistungsstarke Algorithmen wie BoT-SORT und ByteTrackDas folgende Beispiel zeigt, wie ein Modell geladen und track in einem Videostream track werden können.

from ultralytics import YOLO

# Load a pre-trained YOLO model (YOLO11n is used here, YOLO26n is also supported)
model = YOLO("yolo11n.pt")

# Perform tracking on a video source
# 'persist=True' ensures tracks are maintained between frames
results = model.track(source="https://youtu.be/LNwODJXcvt4", persist=True, tracker="bytetrack.yaml")

# Visualize the first frame's results with IDs drawn
results[0].show()

Dieser einfache Arbeitsablauf übernimmt automatisch die Erkennung, Zuordnung und ID-Vergabe, sodass sich Entwickler auf übergeordnete Logik wie die Regionszählung oder Verhaltensauslöser . Weitere Informationen zur Konfiguration finden Sie in der Dokumentation zum Tracking-Modus.