Multi-Object Tracking (MOT)
Изучи мультиобъектное отслеживание (MOT) в компьютерном зрении. Узнай, как обнаруживать и отслеживать объекты с помощью Ultralytics YOLO26 в автономном вождении, розничной торговле и других сферах.
Многообъектное отслеживание (MOT) — это динамическая задача в области компьютерного зрения (CV), которая включает обнаружение нескольких отдельных объектов в видеопотоке и сохранение информации об их идентичности с течением времени. В отличие от стандартного обнаружения объектов, при котором каждый кадр рассматривается как изолированный снимок, MOT добавляет временное измерение в искусственный интеллект (AI). Присваивая уникальный идентификационный номер (ID) каждому обнаруженному экземпляру — например, конкретному пешеходу в толпе или автомобилю на шоссе, — алгоритмы MOT позволяют системам отслеживать траектории, анализировать поведение и понимать взаимодействия. Эта возможность лежит в основе современного понимания видео и позволяет машинам воспринимать непрерывность в изменяющейся среде.
Как работает MOT#
Большинство современных систем отслеживания работают по принципу «отслеживание на основе обнаружения». Этот подход разделяет процесс на два основных этапа: определение того, что находится в кадре, а затем сопоставление этих результатов с известными объектами из предыдущих кадров.
-
Обнаружение: в каждом кадре высокопроизводительная модель, такая как YOLO26, сканирует изображение для обнаружения объектов, создавая ограничивающие рамки и вероятности классов.
-
Прогнозирование движения: чтобы предсказать, куда объект переместится дальше, алгоритмы часто используют фильтр Калмана. Этот математический инструмент оценивает состояние динамической системы — например, скорость и положение, — помогая сузить область поиска в следующем кадре.
-
Сопоставление данных: система сопоставляет новые обнаружения с существующими траекториями. Методы оптимизации, такие как венгерский алгоритм, решают эту задачу назначения, минимизируя стоимость сопоставления и часто используя пересечение по объединению (IoU) для измерения пространственного перекрытия.
-
Повторная идентификация (ReID): при возникновении визуальных препятствий, известных как окклюзия, современные трекеры используют визуальные эмбеддинги, чтобы распознать объект после его повторного появления. Это помогает предотвратить «переключение ID», гарантируя, что система понимает: автомобиль, выезжающий из туннеля, — это тот же автомобиль, который въехал в него.
Отличия MOT от отслеживания одного объекта#
Хотя терминология схожа, многообъектное отслеживание (MOT) значительно отличается от отслеживания одного объекта (SOT). SOT сосредоточено на отслеживании одной конкретной цели, заданной в первом кадре, и часто игнорирует все остальные объекты. В отличие от этого, MOT должно работать с неизвестным и меняющимся количеством целей, которые могут входить в сцену и покидать её в любой момент. Это делает MOT более требовательным к вычислительным ресурсам, поскольку требует надёжной логики для обработки начала и завершения траекторий, а также сложных взаимодействий между несколькими движущимися объектами.
Практические применения#
Возможность одновременно отслеживать несколько объектов стимулирует инновации в ряде ключевых отраслей.
- Автономное вождение: беспилотные автомобили активно используют MOT для безопасной навигации. Отслеживая пешеходов, велосипедистов и другие автомобили, автономные системы могут предсказывать их будущие положения, чтобы избегать столкновений. Для максимальной надёжности это часто включает объединение данных с камер и датчиков LiDAR.
- Аналитика розничной торговли: в обычных магазинах ритейлеры используют AI в розничной торговле для построения маршрутов покупателей. Алгоритмы MOT создают тепловые карты потоков посетителей, помогая менеджерам оптимизировать планировку магазина и улучшать управление очередями в часы пик.
- Спортивная аналитика: профессиональные команды используют MOT для анализа перемещений игроков и построения команд. Отслеживая каждого игрока на поле, тренеры могут извлекать подробные метрики скорости, пройденного расстояния и тактического позиционирования с помощью методов оценки позы.
Реализация MOT с помощью Python#
Ultralytics упрощает реализацию отслеживания с помощью современных моделей. Метод track() легко объединяет логику обнаружения и отслеживания, поддерживая такие алгоритмы, как ByteTrack и BoT-SORT. Пример ниже демонстрирует отслеживание автомобилей на видео с использованием рекомендуемой модели YOLO26.
from ultralytics import YOLO
# Load the official YOLO26 small model
model = YOLO("yolo26s.pt")
# Track objects in a video file (or use '0' for webcam)
# The 'persist=True' argument keeps track IDs consistent between frames
results = model.track(source="traffic_analysis.mp4", show=True, persist=True)
# Print the IDs of objects tracked in the first frame
if results[0].boxes.id is not None:
print(f"Tracked IDs: {results[0].boxes.id.int().tolist()}")Проблемы многообъектного отслеживания#
Несмотря на достигнутый прогресс, MOT остаётся сложной областью. Окклюзия — одна из основных трудностей: когда объекты пересекаются или скрываются за препятствиями, сохранить их идентичность непросто. Переполненные сцены, например массовый марафон или стая птиц, проверяют возможности алгоритмов сопоставления данных. Кроме того, поддержание скорости вывода в реальном времени при обработке видеопотоков высокого разрешения требует эффективных архитектур моделей и часто специализированного оборудования, такого как устройства NVIDIA Jetson.
Для решения этих проблем исследователи изучают сквозные подходы глубокого обучения, объединяющие обнаружение и отслеживание в одной сети, а также используют платформу Ultralytics для разметки сложных наборов данных и обучения надёжных пользовательских моделей.
