Ultralytics YOLO

如何使用 Ultralytics YOLO11 进行目标追踪

加入我们，近距离观察如何将 Ultralytics YOLO11 用于安防、农业和制造业等实时应用中的目标追踪。

ABAbirami Vina4 min readNovember 20, 2024

假设你想在制造车间的流水线上监控和追踪组件的移动，以确保质量控制并提高工作流效率。通常，这需要人工检查或使用基础传感器来追踪物品，这既耗时又容易出错。然而，计算机视觉和目标追踪可用于自动化和增强这一过程。

目标追踪是一项计算机视觉任务，可帮助检测、识别和追踪视频中的物体。它可用于各种各样的应用，从农场的动物监测到零售店的安全与监控。视频中被追踪的物体通常会使用边界框进行可视化，以帮助用户准确看到它们在视频帧中的具体位置和检测结果。

Ultralytics YOLO11在Ultralytics 的年度混合活动 YOLO Vision 2024 (YV24)期间发布，是一个能够处理各种视觉 AI 任务（包括目标追踪）的计算机视觉模型。在本文中，我们将探讨目标追踪的工作原理并讨论实际应用。我们还将了解如何使用YOLO11体验目标追踪。让我们开始吧！

Using Ultralytics YOLO11 for object tracking in a retail store

图 1. 在零售店中使用 Ultralytics YOLO11 进行目标跟踪的示例。

使用 Ultralytics YOLO11 进行由 AI 驱动的目标跟踪#

目标追踪是一项必不可少的计算机视觉技术。它使得识别视频中的物体并随时间进行追踪成为可能。目标追踪可能看起来与另一项计算机视觉任务——目标检测非常相似。两者之间的核心区别在于它们处理视频帧的方式。目标检测逐个查看每一帧，识别和分类物体，而不考虑之前或之后的帧。另一方面，目标追踪则连接帧之间的点，在一段时间内跟随相同的物体并记录它们的移动。

以下是关于目标追踪工作原理的更详细的分步说明：

目标检测：该过程从检测视频单帧中的物体开始。YOLO11可用于准确识别多个物体及其位置。
分配唯一 ID：每个检测到的对象都会被赋予一个唯一 ID，以将其与其他对象区分开来，并使其更易于追踪。
跨帧追踪移动：追踪算法在后续帧中跟随物体，更新它们的位置，同时保持与各自唯一 ID 的关联。
处理遮挡：如果对象暂时从视野中消失（例如被其他对象挡住），系统会确保对象重新出现后追踪能够自动恢复。
更新对象信息：随着对象的移动，它们的位置和属性（如速度或方向）会被持续更新，以反映随时间的变化。

Ultralytics 通过利用 BoT-SORT 和 ByteTrack 等先进的追踪算法，支持实时目标追踪。它还可以与分割和姿态估计 YOLO11 模型无缝协作，使其成为适用于各种追踪任务的灵活工具。

Ultralytics YOLO11 目标跟踪的应用#

Ultralytics YOLO11 模型的多功能特性在许多行业中开启了广泛的可能应用。让我们仔细看看一些 YOLO11 目标追踪用例。

用于自动驾驶车辆跟踪的 Ultralytics YOLO11#

目标追踪对于帮助自动驾驶汽车安全高效地运行至关重要。这些车辆需要不断了解周围环境，以便做出实时决策，例如停车、转弯或变道。目标检测允许汽车识别环境中的关键要素，例如行人、骑行者、其他车辆和交通标志。然而，单凭在某一瞬间检测到这些物体，对于安全导航来说是不够的。

这就是目标追踪发挥作用的地方。它让汽车能够随着时间的推移跟随这些物体，在多个帧中追踪它们的移动。例如，它有助于自动驾驶汽车预测行人的去向、监测附近车辆的速度和方向，或者识别红绿灯是否没有改变。通过结合检测和追踪，自动驾驶汽车可以预判周围物体的移动，积极做出反应，从而实现安全平稳的驾驶。

Ultralytics YOLO11 detecting and tracking cars

图 2. Ultralytics YOLO11 可用于检测和追踪汽车。

使用 Ultralytics YOLO11 目标追踪来监测动物#

在农场中追踪动物（例如牛）对于有效管理至关重要，但这可能是一项枯燥且耗时的任务。传统方法（例如使用传感器或标签）通常有缺点。这些设备在附着时会给动物带来压力，并且容易脱落或损坏，从而打断追踪。

Computer vision provides a better solution for farmers to monitor and track animals without the need for physical tags. Object tracking can give farmers valuable insights into the animals’ behavior and health. For example, it can help detect conditions like lameness that affect the way an animal walks. By using object tracking, farmers can spot subtle changes in movement and address health issues early.

除了健康监测，计算机视觉还可以帮助农场主了解其他行为，例如社交互动、饮食习惯和运动模式。这些见解可以改善牛群管理、优化喂养计划并提升动物的整体福利。通过减少体力劳动并将动物的压力降到最低，基于计算机视觉的追踪成为现代农业实用且高效的工具。

使用 Ultralytics YOLO11 追踪农场主和一头牛

图 3. 使用 Ultralytics YOLO11 追踪农场主和一头牛。

在制造业中使用 Ultralytics YOLO11 进行目标追踪#

目标追踪在制造领域有许多用例。例如，目标检测和追踪系统可以监控生产线。当产品或原材料在传送带上移动时，可以轻松对其进行追踪和计数。这些系统还可以与其他的计算机视觉系统集成以执行附加任务。例如，可以使用缺陷检测系统识别有缺陷的物品，并通过目标追踪对其进行追踪，以确保妥善处理。

目标追踪在制造业中的另一个重要应用与安全有关。目标追踪系统可用于检测和追踪潜在危险制造环境中的工人。危险区域可以使用计算机视觉系统进行标记和持续监控，如果（被追踪的）工人靠近此类区域，系统会通知主管。此类安全系统还可用于检测和追踪设备，防止被盗的可能性。

用于检测工人的 Ultralytics YOLO11 目标检测

图 4。用于检测工人的 YOLO11 目标检测示例。

使用 Ultralytics YOLO11 进行目标追踪与监控#

实时目标追踪广泛用于安全和监控系统。这些系统可用于监测公共场所、交通枢纽以及购物中心等大型零售环境。大型拥挤区域可以使用此技术来追踪可疑人员或人群行为，从而提供无缝的监控解决方案。例如，在疫情期间，目标追踪系统被用于追踪拥挤区域并确保人们保持社交距离。

目标追踪也可以用于交通监控。目标追踪使得追踪和分析车辆行为成为可能，能够实时发现异常或可疑行为，以帮助防止事故或犯罪。一个很好的例子是速度估计系统。它们可以检测和追踪车辆以确定其速度。

Speed estimation using object tracking

图 5。可以使用目标追踪进行速度估计。

试用 Ultralytics YOLO11 的目标追踪功能#

既然我们已经探讨了一些目标追踪应用，接下来让我们讨论如何使用Ultralytics YOLO11 模型来体验它。

要开始使用，请使用 pip、conda 或 Docker 安装 Ultralytics Python 软件包。如果你在安装过程中遇到任何挑战，我们的常见问题指南提供了有用的排错提示。

成功安装该软件包后，运行以下代码。它概述了如何加载 Ultralytics YOLO11 模型并使用它来追踪视频文件中的物体。代码中使用的模型是“yolo11n.pt”。‘n’ 代表 Nano——YOLO11 模型中最小的变体。还有其他模型变体可供选择——small、medium、large 和 extra-large。

展示使用 Ultralytics YOLO11 模型进行目标追踪的代码片段