YOLO与ByteTrack算法实战：从零搭建高效目标追踪系统

1次阅读

没有评论

共计 2283 个字符，预计需要花费 6 分钟才能阅读完成。

目标检测和追踪是计算机视觉领域的核心任务之一。YOLO 系列算法因其高效性在实时目标检测中广受欢迎，但在视频流处理中单独使用 YOLO 会遇到几个明显问题：

ID 跳变问题：连续帧中同一物体可能被赋予不同 ID
检测框抖动：相邻帧检测框位置、大小不一致导致追踪不稳定
遮挡处理差：物体短暂消失后重新出现时无法关联原 ID
计算开销大：传统追踪算法需要额外计算外观特征

ByteTrack 相比 SORT/DeepSORT 有显著优势：

SORT
仅使用卡尔曼滤波和 IOU 匹配
无法处理遮挡场景
ID 切换频繁
DeepSORT
引入外观特征（ReID 模型）
计算量大
特征提取可能成为性能瓶颈
ByteTrack
创新点：利用低分检测框（传统方法直接丢弃）
通过运动相似性二次匹配
保持 SORT 级速度，接近 DeepSORT 精度
特别适合遮挡场景

YOLOv5 输出格式（每帧）：

[x1, y1, x2, y2, conf, cls]  # (N×6 张量)

ByteTrack 输入要求：

[xywh, conf]  # 需转换格式

转换函数示例：

def yolobox2bytebox(det):
    """Convert YOLO boxes to [x,y,w,h] format"""
    boxes = det[:, :4]
    scores = det[:, 4]
    wh = boxes[:, 2:] - boxes[:, :2]
    xy = boxes[:, :2] + wh/2
    return np.concatenate([xy, wh], axis=1), scores

track_thresh：检测置信度阈值（建议 0.5）
match_thresh：轨迹匹配阈值（建议 0.8-0.9）
frame_rate：视频帧率（用于调整卡尔曼滤波参数）

import torch

# 加载 YOLOv5s 模型（自动下载）model = torch.hub.load('ultralytics/yolov5', 'yolov5s', pretrained=True)
model.conf = 0.5  # 置信度阈值
model.iou = 0.45  # NMS 阈值

from byte_tracker import BYTETracker  # 需安装 byte-track 库

tracker = BYTETracker(
    track_thresh=0.5,
    match_thresh=0.8,
    frame_rate=30
)

# 处理单帧
def process_frame(frame):
    # YOLO 检测
    results = model(frame)
    detections = results.xyxy[0].cpu().numpy()

    # 格式转换
    boxes, scores = yolobox2bytebox(detections)

    # ByteTrack 追踪
    tracks = tracker.update(boxes, scores, frame.shape[:2])

    # 返回格式: [x1,y1,x2,y2,track_id]
    return np.array([[*t.tlbr, t.track_id] for t in tracks
    ])

import cv2

def draw_tracking(frame, tracks):
    for t in tracks:
        x1, y1, x2, y2, tid = map(int, t)
        # 绘制边界框
        cv2.rectangle(frame, (x1,y1), (x2,y2), (0,255,0), 2)
        # 显示 ID
        cv2.putText(frame, f"ID:{tid}", (x1,y1-10), 
                   cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0,255,0), 2)
    return frame

启用 YOLOv5 的 augment 推理增强（测试时）：
```
model.augment = True  # 会略微降低速度
```

对轨迹应用移动平均滤波：

from collections import deque

class SmoothTrack:
    def __init__(self, window_size=5):
        self.buffer = deque(maxlen=window_size)

    def update(self, boxes):
        self.buffer.append(boxes)
        return np.mean(self.buffer, axis=0)