目标跟踪

对象 track 是 计算机视觉 (CV) 中的一个动态过程，它涉及识别视频中的特定实体并监控它们在一系列帧中的移动。与将每个快照独立处理的静态图像分析不同，track 引入了时间维度。这使得 人工智能 (AI) 系统能够为每个 detect 的项目（例如汽车、人物或动物）分配一个唯一的识别号 (ID)，并在对象移动、改变方向或暂时被遮挡时保持该身份。这种能力是高级 视频理解 的基石，使机器能够分析行为、计算轨迹并从原始素材中获取可操作的见解。

目标跟踪的工作原理

现代 track 系统通常采用“先 detect 后 track”范式。此工作流将强大的 detect 模型与专用算法相结合，以实现随时间推移的 detect 关联。该过程通常遵循三个主要阶段：

1. 检测：在每一帧中，一个目标检测模型，例如最先进的YOLO26，会扫描图像以定位感兴趣的物体。模型输出定义每个物体空间范围的边界框。
2. 运动预测：诸如卡尔曼滤波之类的算法根据对象的当前速度和轨迹估计其未来位置。这种预测减少了下一帧的搜索空间，使系统更高效。
3. 数据关联: 系统使用匈牙利算法等优化方法将新的 detect 与现有 track 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 detect 的重叠程度。高级 track 器还可以使用视觉特征提取来重新识别外观相似的对象。

目标跟踪 vs. 目标检测

虽然这些术语密切相关，但它们在机器学习 (ML)流水线中扮演着不同的角色。

• 目标检测回答“这张图片里有什么，在哪里？”这个问题。它是无状态的，意味着它没有前一帧的记忆。如果一辆汽车穿过视频，检测器在帧1中看到一辆“汽车”，在帧2中也看到一辆“汽车”，但不知道它们是同一辆车。
• 目标跟踪回答“这个特定对象要去哪里？”这个问题。它是带状态的。它将帧1中的“汽车”与帧2中的“汽车”连接起来，允许系统记录“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得跨行业的复杂 实时推理 应用成为可能。

• 智能交通系统：跟踪对于自动驾驶汽车安全导航至关重要。通过跟踪行人和其它车辆，汽车可以预测潜在碰撞。此外，交通工程师利用这些系统进行速度估算，以执行安全规定并优化交通流量。
• 零售分析：实体店利用零售业中的人工智能来了解客户行为。跟踪使商店经理能够进行对象计数以测量客流量，使用热图分析在显示器前的停留时间，并优化排队管理以减少等待时间。
• 体育分析：在职业体育中，教练使用跟踪结合姿势估计来分析运动员生物力学和团队阵型。这些数据通过揭示肉眼不可见的模式来提供竞争优势。

用Python实现跟踪

Ultralytics 使高性能 track 的实现变得简单。该 track 库中的模式会自动处理 detect、运动预测和 ID 分配。以下示例展示了如何使用 Ultralytics 平台 兼容的 YOLO26 模型来 track 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

为了充分理解跟踪生态系统，探索实例分割会很有帮助，它跟踪对象的精确像素级轮廓而非仅仅一个边界框。此外，多目标跟踪 (MOT) 挑战通常涉及广泛使用的基准测试，如MOTChallenge，以评估算法处理拥挤场景和遮挡的能力。对于生产环境中的部署，开发人员通常利用NVIDIA DeepStream或OpenCV等工具将这些模型集成到高效的流水线中。