多目标跟踪 (MOT)

多物体跟踪（MOT）是计算机视觉（CV）中的一项基本任务，涉及检测视频中的多个物体，并在连续帧中保持它们的唯一性。与在单幅图像中对物体进行定位和分类的物体检测不同，多物体跟踪增加了一个时间维度。它不仅能回答 "帧中有哪些物体？"，还能回答 "每个特定物体要去哪里？"。通过为每个物体分配一个持久的 ID，MOT 可以分析物体随时间变化的运动、行为和交互，这对理解动态场景至关重要。

多目标跟踪的工作原理

MOT 流程通常采用逐个检测跟踪的模式。首先，使用物体检测器（如YOLO11）来识别视频每帧中的所有物体。然后，为每个检测到的物体分配一个唯一的跟踪 ID。在随后的帧中，跟踪算法会预测这些物体的新位置，并将它们与新检测到的物体关联起来。这种关联是一个关键步骤，依赖于多种技术：

• 运动预测：卡尔曼滤波器 (KF)等算法会根据物体过去的运动轨迹来估计其未来位置。这有助于缩小在下一帧中搜索物体的范围。
• 外观匹配：为了在物体被遮挡或改变外观后重新识别物体，系统通常会提取独特的特征。这些特征可以是简单的颜色直方图，也可以是复杂的基于深度学习的嵌入。
• 数据关联：该组件将现有的物体轨迹与新的检测结果相匹配。先进的算法（如匈牙利算法）或现代跟踪器（如ByteTrack和BoT-SORT）采用的方法都用于处理这些分配，即使在拥挤的场景中也能确保跟踪的连续性。

Ultralytics 可以无缝集成这些跟踪算法，使用户能够利用高性能探测器轻松实现稳健的多目标跟踪。

多目标跟踪与目标检测

虽然 MOT 和对象检测密切相关，但两者的目的却截然不同。物体检测是一种静态的、逐帧的分析，会产生一组边界框和类标签。相比之下，MOT 是一个动态过程，它将这些检测随时间推移联系起来，为每个对象创建一个连续的 "故事"。您可以将物体检测看作是拍摄一系列快照，而多物体追踪则是将这些快照拼接在一起，形成一部电影，揭示物体如何移动和互动的情节。

实际应用

MOT 是一项变革性技术，在各行各业都有广泛的实际用途。

• 自动驾驶汽车：对于自动驾驶汽车而言，MOT 对安全至关重要。它使车辆能够跟踪其他汽车、行人和骑车人的轨迹，预测他们的动向，从而做出明智的决策，避免碰撞。与单帧检测相比，这种连续跟踪能提供更丰富的环境信息。
• 零售和公共空间分析：在零售业，MOT 通过跟踪人流模式和停留时间来分析顾客行为。这有助于优化商店布局和有效管理排队。在公共场所，它可用于人群管理和安全，例如通过设置安全警报系统，当追踪到有人进入禁区时就会触发警报。
• 体育分析：教练和分析师使用 MOT 监测球员的移动、分析阵型以及评估速度和距离等表现指标。这可以与姿势估计相结合，对运动技术和比赛策略进行更详细的分析。
• 工业自动化：在工厂车间，MOT 可用于跟踪传送带上的零件，以进行物体计数和质量控制，确保每件物品都得到正确处理。这是制造业人工智能的关键组成部分。