YOLOv8自带的追踪算法简单使用教程_yolov8跟踪如何获取id

YOLOv8自带的追踪算法使用的是BoT-SORT和ByteTrack，默认是BoT-SORT算法，总体效果感觉不如deepsort。

下面是官方提供的运行代码

from collections import defaultdict

import cv2
import numpy as np

from ultralytics import YOLO

# 加载YOLOv8模型
model = YOLO('yolov8s.pt')#这里填写你使用的检测模型

# 打开视频文件
video_path = "xxx"#是这里填写你要使用的视频地址
cap = cv2.VideoCapture(video_path)

# 存储追踪历史
track_history = defaultdict(lambda: [])

# 循环遍历视频帧
while cap.isOpened():
    
    # 从视频读取一帧
    success, frame = cap.read()
    
    if success:
        
        # 在帧上运行YOLOv8追踪，持续追踪帧间的物体
        results = model.track(frame, persist=True,device = 0)
        

        # 获取框和追踪ID
        boxes = results[0].boxes.xywh.cpu()
        track_ids = results[0].boxes.id.int().cpu().tolist()
        

        # 在帧上展示结果
        annotated_frame = results[0].plot()
        

        # 绘制追踪路径
        for box, track_id in zip(boxes, track_ids):
            x, y, w, h = box
            track = track_history[track_id]
            track.append((float(x), float(y)))  # x, y中心点
            if len(track) > 30:  # 在90帧中保留90个追踪点
                track.pop(0)
                    

            # 绘制追踪线
            points = np.hstack(track).astype(np.int32).reshape((-1, 1, 2))
            cv2.polylines(annotated_frame, [points], isClosed=False, color=(230, 230, 230), thickness=10)
        
        # 展示带注释的帧
        cv2.imshow("YOLOv8 Tracking", annotated_frame)
        

        # 如果按下'q'则退出循环
        if cv2.waitKey(1) & 0xFF == ord("q"):
            break
    else:
        # 如果视频结束则退出循环
        print('如果视频结束则退出循环')
        break

# 释放视频捕获对象并关闭显示窗口
cap.release()
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66

在安装好torch和yolov8的虚拟环境中运行即可，就会弹窗展示视频，效果并不是很好，有点卡而且检测框经常会断