Object Tracking

目标跟踪是计算机视觉（CV）中的动态过程，涉及识别视频中的特定实体，并监测它们在一系列帧中的移动。与将每个快照孤立处理的静态图像分析不同，跟踪引入了时间这一维度。这使人工智能（AI）系统能够为每个检测到的对象（例如汽车、人员或动物）分配唯一标识号（ID），并在对象移动、改变方向或暂时被遮挡时保持其身份。这项能力是高级视频理解的基石，使机器能够分析行为、计算轨迹，并从原始视频中提取可执行的洞察。

目标跟踪的工作原理#

现代跟踪系统通常采用“检测式跟踪”范式。这一工作流将强大的检测模型与专用算法相结合，以关联不同时刻的检测结果。该过程通常分为三个主要阶段：

1. **检测：**在每一帧中，诸如先进的 YOLO26 之类的目标检测模型会扫描图像，以定位感兴趣的对象。模型会输出用于定义每个对象空间范围的边界框。

2. 运动预测：卡尔曼滤波器等算法会根据对象当前的速度和轨迹估计其未来位置。这一预测缩小了下一帧的搜索空间，使系统更加高效。

3. **数据关联：**系统使用匈牙利算法等优化方法，将新的检测结果与现有跟踪目标进行匹配。此步骤通常依赖交并比（IoU）等指标，来衡量预测框与新检测结果的重叠程度。高级跟踪器还可能使用视觉特征提取来重新识别外观相似的对象。

目标跟踪与目标检测#

虽然这些术语密切相关，但它们在机器学习（ML）流水线中承担着不同的功能。

• 目标检测回答的是：“这张图像中有什么，以及它在哪里？”它是无状态的，也就是说，它不会记住之前的帧。如果一辆汽车驶过视频，检测器会在第 1 帧看到一辆“汽车”，在第 2 帧看到一辆“汽车”，但不知道它们是同一辆车。
• 目标跟踪回答的是：“这个特定对象要去哪里？”它是有状态的。它会将第 1 帧中的“汽车”与第 2 帧中的“汽车”关联起来，使系统能够记录“汽车 ID #42”正在从左向右移动。这对于预测建模和计数等任务至关重要。

实际应用#

保持对象身份的能力使各行各业能够实现复杂的实时推理应用。

• **智能交通系统：**跟踪对于自动驾驶汽车安全导航至关重要。通过跟踪行人和其他车辆，汽车可以预测潜在碰撞。此外，交通工程师还使用这些系统进行速度估计，以执行安全法规并优化交通流量。
• **零售分析：**实体店使用零售领域的 AI来了解客户行为。跟踪使店铺管理者能够执行对象计数以衡量客流量，使用热力图分析顾客在展示区前的停留时间，并优化队列管理以减少等待时间。
• **体育分析：**在职业体育中，教练会将跟踪与姿态估计结合起来，分析运动员的生物力学和团队阵型。这些数据能够揭示肉眼无法发现的模式，从而提供竞争优势。

使用 Python 实现跟踪#

Ultralytics 让高性能跟踪的实现变得简单。库中的 track 模式会自动处理检测、运动预测和 ID 分配。下面的示例展示了如何使用兼容 Ultralytics 平台的 YOLO26 模型跟踪视频中的对象。

from ultralytics import YOLO

# Load the official YOLO26n model (nano version for speed)
model = YOLO("yolo26n.pt")

# Track objects in a video file or webcam (source=0)
# 'show=True' displays the video with bounding boxes and unique IDs
results = model.track(source="https://ultralytics.com/images/bus.jpg", show=True)

# Access the unique tracking IDs from the results
if results[0].boxes.id is not None:
    print(f"Detected Track IDs: {results[0].boxes.id.cpu().numpy()}")

相关概念#

要全面了解跟踪生态，深入探索实例分割会很有帮助；实例分割跟踪的是对象在像素级的精确轮廓，而不仅仅是一个框。此外，多目标跟踪（MOT）挑战通常会使用 MOTChallenge 等广泛应用的基准，评估算法处理拥挤场景和遮挡的能力。在生产环境中部署时，开发者通常会使用 NVIDIA DeepStream 或 OpenCV 等工具，将这些模型集成到高效的流水线中。