YOLOv8官方支持多目标跟踪 | ByteTrack、BoT-SORT都已加入YOLOv8官方

模板跟踪是一项任务，涉及识别模板的位置和类别，然后为视频流中的检测分配唯一ID。跟踪器的输出与添加了模板ID的检测相同。

YOLOv8加入了哪些检测器？

以下跟踪算法已经实现，可以通过 tracker=tracker_type.yaml实现：

• BoT-SORT - botsort.yaml
• ByteTrack - bytetrack.yaml

默认跟踪器为：BoT-SORT

Tracking

将训练好的 YOLOv8n/YOLOv8n-seg model加入到不同的跟踪器之中里进行视频流的检测和跟踪。

示例1

from ultralytics import YOLO
        
# Load a model
model = YOLO("yolov8n.pt")  # load an official detection model
model = YOLO("yolov8n-seg.pt")  # load an official segmentation model
model = YOLO("path/to/best.pt")  # load a custom model
        
# Track with the model
results = model.track(source="https://youtu.be/Zgi9g1ksQHc", show=True) 
results = model.track(source="https://youtu.be/Zgi9g1ksQHc", show=True, tracker="bytetrack.yaml") 

命令行如下

yolo track model=yolov8n.pt source="https://youtu.be/Zgi9g1ksQHc"  # official detection model
yolo track model=yolov8n-seg.pt source=...   # official segmentation model
yolo track model=path/to/best.pt source=...  # custom model
yolo track model=path/to/best.pt  tracker="bytetrack.yaml" # bytetrack tracker

与上述用法一样，YOLOv8支持用于跟踪的检测和分割模型，只需加载相应的（检测或分割）模型即可。

配置

跟踪

跟踪与预测共享配置，即“conf”、“iou”、“show”。更多配置请参考 predict page。

示例1

from ultralytics import YOLO
        
model = YOLO("yolov8n.pt")
results = model.track(source="https://youtu.be/Zgi9g1ksQHc", conf=0.3, iou=0.5, show=True) 

命令行如下

yolo track model=yolov8n.pt source="https://youtu.be/Zgi9g1ksQHc" conf=0.3, iou=0.5 show

跟踪器

YOLOv8还支持使用修改的跟踪器配置文件，只需复制一个配置文件即可，比如复制 custom_tracker.yaml ultralytics/tracker/cfg并修改配置(比如 tracker_type)。

示例2

from ultralytics import YOLO
        
model = YOLO("yolov8n.pt")
results = model.track(source="https://youtu.be/Zgi9g1ksQHc", tracker='custom_tracker.yaml') 

命令行如下

yolo track model=yolov8n.pt source="https://youtu.be/Zgi9g1ksQHc" tracker='custom_tracker.yaml'

具体可以参考ultralytics/tracker/cfg。

参考

[1].https://github.com/ultralytics/ultralytics.

推荐阅读

YOLOv5抛弃Anchor-Base方法 | YOLOv5u正式加入Anchor-Free大家庭

改进YOLOX | Push-IOU+Dynamic Anchor进一步提升YOLOX性能

即插即用 | CFNet提出全新多尺度融合方法！显著提升检测和分割精度！