Ultralytics YOLO多目标跟踪指南

Ultralytics YOLO是一个先进的目标检测模型，以其实时性能和高精度而闻名。它支持独立训练和直接支持预训练的检测、分割或姿态模型。不久的将来，将支持单独训练跟踪器。

使用示例

以下是如何使用Ultralytics YOLO进行多目标跟踪的示例。可以从提供的Python或命令行界面（CLI）示例开始。

这些命令加载了YOLO11模型，并使用它来跟踪给定视频源中的对象，具有特定的置信度（conf）和交并比（iou）阈值。有关更多详细信息，请参考。

即将推出的跟踪器训练功能

Ultralytics正在不断增强其AI模型。即将推出的功能将启用独立跟踪器的训练。在此之前，多目标检测器利用预训练的检测、分割或姿态模型进行跟踪，而不需要单独训练。通过关注或查看来保持更新。

为什么选择Ultralytics YOLO进行多目标跟踪

使用Ultralytics YOLO进行多目标跟踪提供了几个优势：

• 实时跟踪：实现高效和高速跟踪，适用于动态环境。
• 预训练模型的灵活性：无需从头开始训练；只需使用预训练的检测、分割或姿态模型。
• 易用性：简单的API集成，支持Python和CLI，使设置跟踪流程变得简单。
• 广泛的文档和社区支持：Ultralytics提供全面的文档和活跃的社区论坛，以解决故障和增强跟踪模型。

有关设置和使用YOLO进行跟踪的更多详细信息，请访问。

可以使用自定义数据集进行多目标跟踪吗

是的，可以使用自定义数据集进行多目标跟踪。虽然独立跟踪器训练的支持是一个即将推出的功能，但可以已经使用预训练模型在自定义数据集上。请按照文档准备数据集，使其与YOLO兼容，并进行集成。

如何解释Ultralytics YOLO跟踪模型的结果

使用Ultralytics YOLO运行跟踪作业后，结果包括各种数据点，如跟踪对象ID、它们的边界框和置信度分数。以下是如何解释这些结果的简要概述：

• 跟踪ID：每个对象被分配一个唯一的ID，这有助于跨帧跟踪它。
• 边界框：这些指示帧内跟踪对象的位置。
• 置信度分数：这些反映了模型在检测跟踪对象时的置信度。

有关解释和可视化这些结果的详细指导，请参考。