Object Tracking
学习目标跟踪在计算机视觉中如何运作。发现如何使用 Ultralytics YOLO26 来识别并监控具有唯一 ID 的对象，以进行实时分析。
目标追踪是计算机视觉 (CV) 中的一个动态过程，涉及在视频中识别特定实体并监测它们在帧序列中的移动。与将每一帧快照视为独立个体的静态图像分析不同，追踪引入了时间维度。这使得人工智能 (AI) 系统能够为每个检测到的项目（如汽车、人或动物）分配唯一的识别号 (ID)，并在对象移动、改变方向或暂时被遮挡时保持该身份。此功能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得出可操作的洞察。
Link to this section目标追踪的工作原理#
现代追踪系统通常采用“检测式追踪”(tracking-by-detection) 范式。该工作流程结合了强大的检测模型与专门的算法，以关联随时间变化的目标检测结果。该过程通常分为三个主要阶段：
-
检测： 在每一帧中，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对象。模型会输出定义每个对象空间范围的边界框。
-
运动预测： 诸如卡尔曼滤波 (Kalman Filter) 之类的算法会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，从而提高了系统效率。
-
数据关联： 系统使用诸如匈牙利算法 (Hungarian algorithm) 等优化方法将新的检测结果与现有的追踪轨迹进行匹配。此步骤通常依赖于交并比 (IoU) 等指标来衡量预测框与新检测结果的重叠程度。高级追踪器还可以利用视觉特征提取来重新识别外观相似的对象。
Link to this section目标追踪与目标检测的对比#
尽管这两个术语密切相关，但它们在机器学习 (ML) 流水线中发挥着不同的作用。
- 目标检测 回答的是“这张图像中有什么，在哪里？”的问题。它是无状态的，这意味着它没有对前一帧的记忆。如果一辆车在视频中行驶，检测器在第 1 帧看到一辆“车”，在第 2 帧也看到一辆“车”，但它并不知道它们是同一辆车。
- 目标追踪 回答的是“这个特定对象要去哪里？”的问题。它是状态化的。它将第 1 帧中的“车”与第 2 帧中的“车”连接起来，使系统能够记录“Car 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。
Link to this section实际应用#
保持对象身份的能力使得跨各行业的复杂实时推理应用成为可能。
- 智能交通系统： 追踪对于自动驾驶车辆的安全导航至关重要。通过追踪行人和其他车辆，汽车可以预测潜在的碰撞。此外，交通工程师利用这些系统进行速度估算，以执行安全法规并优化交通流。
- 零售分析： 实体店利用零售 AI 来了解顾客行为。追踪使店长能够执行目标计数以衡量客流量，通过热图分析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，教练将追踪与姿态估计相结合，以分析运动员的生物力学和团队阵型。这些数据通过揭示肉眼无法察觉的模式，从而提供竞争优势。
Link to this section使用 Python 实现追踪#
Ultralytics 让实现高性能追踪变得简单。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 模型来追踪视频中的对象。
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()}")Link to this section相关概念#
为了全面了解跟踪的生态系统，探索 instance segmentation 很有帮助，它跟踪的是目标的精确像素级轮廓，而不仅仅是一个框。此外，多目标跟踪 (MOT) 挑战通常涉及 MOTChallenge 等广泛使用的基准测试，以评估算法处理拥挤场景和遮挡的能力。在生产环境中进行部署时，开发者经常利用 NVIDIA DeepStream 或 OpenCV 等工具将这些模型集成到高效的流水线中。
