yolov8自带跟踪

YOLOv8自带的目标跟踪功能及其使用
YOLOv8本身主要是一个强大的对象检测框架，但在其基础上可以实现目标跟踪的功能。为了完成这一任务，通常会结合其他库或模块来增强YOLOv8的能力[^1]。
对于YOLOv8中的目标跟踪功能，官方并没有直接提供内置的支持；然而，社区贡献了许多扩展方案使得这成为可能。一种常见的做法是利用SORT (Simple Online and Realtime Tracking) 或 Deep SORT 这样的算法与YOLOv8相结合来进行多目标跟踪[^2]。
下面展示一个简单的Python脚本例子，该脚本展示了如何集成YOLOv8和DeepSort以实现实时视频流上的物体检测和追踪：
from yolov8 import YOLOv8Detector
from deep_sort_realtime.deepsort_tracker import DeepSort

detector = YOLOv8Detector()
tracker = DeepSort(max_age=30, n_init=2)

def process_frame(frame):
detections = detector.detect_objects(frame)

tracked_objects = tracker.update_tracks(detections, frame=frame)

for obj in tracked_objects:
if not obj.is_confirmed():
continue

bbox = list(map(int, obj.to_tlbr()))

# 绘制边界框并显示ID号
cv2.rectangle(frame, (bbox[0], bbox[1]), (bbox[2], bbox[3]), (255, 0, 0), 2)
id_text = f'ID-{obj.track_id}'
cv2.putText(frame, id_text, (bbox[0]+5, bbox[1]-10),
cv2.FONT_HERSHEY_SIMPLEX, 0.9, (255, 0, 0), 2)

return frame
登录后复制
此代码片段首先初始化了YOLOv8检测器实例detector 和 DeepSort 跟踪器 tracker. 接着定义了一个名为 process_frame() 的函数，它接收图像帧作为输入参数，在每一帧上执行对象检测，并通过调用 update_tracks() 方法更新跟踪状态。最后绘制出每个确认后的跟踪对象的边框及对应的唯一标识符(ID).