关注公众号，发现CV技术之美
YOLOv8已经加入了两个跟踪算法，方便对目标检测和分割的结果进行跟踪，可以直接在命令行使用，当然也可以用Python代码调用，非常方便。
以下是相关特性：
这两个跟踪算法是 BoT-SORT（https://github.com/NirAharon/BoT-SORT,目前在MOT17数据集上排名第二）和 ByteTrack（https://github.com/ifzhang/ByteTrack，ECCV 2022），不指明参数情况下使用BoT-SORT。
这两个算法都是多目标跟踪算法，比较实用。
支持对跟踪算法的参数进行修改，修改配置文件即可：ultralytics/tracker/cfg。
与YOLOv8目标检测和分割算法结合，一如既往的简单好用，广泛支持视频流、摄像头、本地视频文件等。
跟踪速度也很快，但目标大小和多少也会影响到速度。
跟踪算法目前仅有CPU实现，如果有GPU实现就更完美了。
如果要使用跟踪算法，最好把YOLOv8更新到最新版本：
pip install --upgrade ultralytics命令行使用的话，就一句话：
yolo track model=yolov8n.pt source="https://youtu.be/Zgi9g1ksQHc"以上命令是对Youtube上的视频流进行跟踪，如果你对摄像头获取的数据进行跟踪，可以用这个：
yolo track model=yolov8n.pt source=0source=0 代表使用摄像头的设备号是0，有多个摄像头的话，可以根据具体情况填写1，2...
对本地mp4视频文件进行目标跟踪：
yolo track model=yolov8n.pt source="example.mp4"CV君发现使用官方给的视频流url测试，跟踪显示不太对，不知是bug还是我本地网络原因。
于是我把那个视频下载下来测试并保存：
yolo track model=yolov8n.pt source='ultralytics.mp4' save=True
视频会被resize到长边640进行处理，我机器的CPU是E3-1230 v2，比较老，15%左右的CPU占用，跟踪一帧的时间也只有大约12-25ms，平均17ms,此时使用的算法是BoT-SORT。
但比较恐怖的是，内存占用非常高：
这跟我Chrome浏览器有得一拼了。
为验证是不是算法的问题，我用bytetrack也进行了测试，发现内存占用也一样高。后来发现这应该是YOLOv8检测模型占用内存比较大（开始忘了这茬了~）。
检测结果视频效果如下：
好像跟踪效果还是很好的！
不过这是官方给的视频，CV君又下载了一个车辆道路视频测试，视频源地址：https://www.youtube.com/watch?v=dfVvEkKWvY4&ab_channel=OlivertheTat
这种道路上的视频特点是，目标尺度和光照变化比较大，长期出现和短暂出现的目标并存，效果如下：
可以看到并不是很理想，前方车辆多次跟丢，id变了又变，最后几帧马路上的红绿灯甚至都没检测出来，也有跟丢的情况。
运行时间也变长了，平均一帧23ms了：
因为YOLOv8默认的检测器是在COCO数据集上训练的，所以并不一定都是大家感兴趣的类别，真正使用的时候，大家需要替换成自己训练的目标检测器初始化目标。
总之，YOLOv8中的目标跟踪并非完美，但作为一个集成在一起的工具，已经可以很方便地帮助我们快速进行项目测试和开发了。
END,入群👇备注：YOLO文章来源：https://www.toymoban.com/news/detail-702482.html
文章来源地址https://www.toymoban.com/news/detail-702482.html
到了这里，关于我试用一下YOLOv8中的跟踪算法的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
