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。
多目标跟踪 (MOT) 是计算机视觉 (CV)中的一项动态任务，涉及检测视频流中的多个不同实体并在一段时间内保持其身份。与将每个帧视为孤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（例如人群中的特定行人或高速公路上的车辆）分配一个唯一的识别号 (ID)，MOT 算法使系统能够追踪轨迹、分析行为并理解交互。此功能是现代视频理解的基础，使机器能够在不断变化的环境中感知连续性。
MOT 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。
-
**运动预测：**为了预测物体下一步将移动到哪里，算法通常使用卡尔曼滤波。这种数学工具可以估计动态系统的状态（例如速度和位置），从而有助于缩小后续帧中的搜索区域。
-
**数据关联：**系统将新的检测结果与现有的轨迹进行匹配。诸如匈牙利算法之类的优化方法通过最小化匹配成本来解决此分配问题，通常依靠交并比 (IoU) 来测量空间重叠。
-
**重新识别 (ReID)：**当发生视觉遮挡（称为遮挡）时，高级跟踪器会使用视觉嵌入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中开出的汽车就是进入隧道的汽车。
区分 MOT 与单目标追踪#
虽然术语相似，但多目标跟踪 (MOT) 与单目标跟踪 (SOT) 有很大不同。SOT 专注于跟随在第一帧中初始化的一个特定目标，通常会忽略所有其他实体。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可变的目标。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轨迹的初始化、终止以及多个运动体之间的复杂交互。
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：**自动驾驶汽车在很大程度上依赖 MOT 来安全导航。通过跟踪行人、骑自行车的人和其他车辆，自主系统可以预测未来位置以避免碰撞。这通常涉及融合来自相机和激光雷达传感器的数据以获得最大可靠性。
- **零售分析：**在实体店中，零售商使用零售人工智能来绘制客户旅程图。MOT 算法生成人流量的热力图，帮助经理优化店铺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 来分析球员动作和球队阵型。通过跟踪球场上的每个球员，教练可以使用姿态估计技术提取有关速度、移动距离和战术定位的详细指标。
使用 Python 实现 MOT#
Ultralytics 使得使用先进模型实现跟踪变得简单。track() 方法无缝集成了检测和跟踪逻辑，支持诸如 ByteTrack 和 BoT-SORT 的算法。下面的示例演示了使用推荐的 YOLO26 模型跟踪视频中的车辆。
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()}")多目标追踪中的挑战#
尽管取得了进展，MOT 仍然是一个充满挑战的领域。遮挡是一个主要难点；当物体交叉路径或隐藏在障碍物后面时，维持身份识别是复杂的。拥挤的场景，例如繁忙的马拉松比赛或一群鸟，考验着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，并且通常需要专门的硬件，例如 NVIDIA Jetson 设备。
为了应对这些挑战，研究人员正在探索将检测和跟踪统一到单个网络中的端到端深度学习方法，并利用Ultralytics 平台来注释具有挑战性的数据集并训练强大的自定义模型。
