Multi-Object Tracking (MOT)

探索计算机视觉中的多目标跟踪 (MOT)。了解如何使用 Ultralytics YOLO26 检测和跟踪实体，以应用于自动驾驶、零售等领域。

多目标追踪 (MOT) 是计算机视觉 (CV) 中的一项动态任务，涉及在视频流中检测多个不同的实体并随时间维持其身份。与将每一帧视为独立快照的标准目标检测不同，MOT 为人工智能 (AI) 引入了时间维度。通过为每个检测到的实例分配唯一的标识号 (ID)（例如人群中的特定行人或高速公路上的车辆），MOT 算法使系统能够跟踪轨迹、分析行为并理解交互。此功能是现代视频理解的基础，并使机器能够在不断变化的环境中感知连续性。

Link to this sectionMOT 的工作原理#

大多数现代追踪系统都基于“检测追踪”(tracking-by-detection) 范式。这种方法将流程分为两个主要阶段：识别帧中的内容，然后将这些发现与已知的过去对象相关联。

检测： 在每一帧中，像 YOLO26 这样的高性能模型会扫描图像以定位对象，从而生成边界框和类概率。
运动预测： 为了预测物体接下来的移动位置，算法通常会使用卡尔曼滤波。这种数学工具可以估算动态系统的状态（例如速度和位置），从而有助于缩小下一帧的搜索范围。
数据关联： 系统将新的检测结果与现有的追踪路径进行匹配。像匈牙利算法这样的优化方法通过最小化匹配成本来解决此分配问题，通常依赖交并比 (IoU) 来衡量空间重叠。
重识别 (ReID)： 当发生视觉遮挡时，高级追踪器会使用视觉嵌入 (embeddings) 在物体重新出现时识别它。这有助于防止“ID 切换”，确保系统知道从隧道出来的汽车与进入隧道的是同一辆。

Link to this section区分 MOT 与单目标追踪#

虽然术语相似，但多目标追踪 (MOT) 与单目标追踪 (SOT) 有显著不同。SOT 专注于跟随在第一帧中初始化的一个特定目标，通常忽略所有其他实体。相比之下，MOT 必须处理随时可能进入或离开场景的未知且数量多变的目标。这使得 MOT 在计算上要求更高，因为它需要强大的逻辑来处理路径的起始、终止以及多个移动物体之间的复杂交互。

Link to this section实际应用#

同时追踪多个实体的能力推动了多个主要行业的创新。

自动驾驶： 自动驾驶汽车严重依赖 MOT 来安全导航。通过追踪行人、骑行者和其他车辆，自动驾驶系统可以预测未来位置以避免碰撞。这通常涉及融合来自摄像头和激光雷达传感器的数据以实现最大程度的可靠性。
零售分析： 在实体店中，零售商使用零售 AI 来绘制客户旅程。MOT 算法生成人流量的热力图，帮助管理人员优化商店布局并在高峰时段改善排队管理。
体育分析： 专业团队使用 MOT 来分析球员动作和团队阵型。通过追踪场上的每一位球员，教练可以使用姿态估计技术提取关于速度、覆盖距离和战术定位的详细指标。

Link to this section使用 Python 实现 MOT#

Ultralytics 让使用最先进的模型实现追踪变得简单直接。track() 方法无缝集成了检测和追踪逻辑，支持 ByteTrack 和 BoT-SORT 等算法。下面的示例演示了如何使用推荐的 YOLO26 模型对视频中的车辆进行追踪。

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()}")

Link to this section多目标追踪中的挑战#

尽管取得了进步，MOT 仍然是一个充满挑战的领域。遮挡是主要难题；当物体交叉路径或隐藏在障碍物后面时，维持身份信息非常复杂。拥挤场景（例如繁忙的马拉松或一群鸟）测试了数据关联算法的极限。此外，在处理高分辨率视频流的同时保持实时推理速度，需要高效的模型架构以及通常需要像 NVIDIA Jetson 设备这样的专业硬件。

为了应对这些挑战，研究人员正在探索将检测和追踪统一到单一网络中的端到端深度学习方法，并利用 Ultralytics Platform 来标注具有挑战性的数据集并训练强大的自定义模型。