使用 ByteTrack、BoT-SORT 和 TrackTrack 跟踪对象
为每个对象在不同帧中分配稳定的 ID，选择跟踪器，并根据检测器调整其阈值。
每个计数、停留时间和速度估算都取决于一个问题：这一帧中的 ID 17，是否与上一帧中的 ID 17 是同一个对象？对于同一段包含约 30 名行人的 62 帧视频片段，使用同一个检测器时，ByteTrack 找到了 32 个 ID，而默认的 TrackTrack 找到了 9 个。选择和调整跟踪器是模型工作的一部分；如果选错，后续的每个数字都会在不知不觉中出错。
实践操作
跟踪器的作用#
这一帧中的标签和轨迹线就是跟踪器生成的结果。每个 ID 都是一个跟踪目标，表示对某个真实对象的假设；轨迹线则记录了该目标最近的运动历史。每一帧中，跟踪器都会通过卡尔曼滤波器预测每个跟踪目标的位置，然后根据框的重叠程度（以及可选的外观特征）将新检测结果与这些预测相匹配：
未匹配的跟踪目标在 track_buffer 帧后会被删除。整个机制就是如此简单，而阈值决定了之后的一切。
选择跟踪器#
跟踪模式内置六种跟踪器：BoT-SORT、ByteTrack、OC-SORT、Deep OC-SORT、FastTracker 和 TrackTrack（未传入 tracker 时的默认选项）。其中三种可以满足大多数需求：
| 跟踪器 | 匹配依据（默认配置） | 适用场景 |
|---|---|---|
| ByteTrack | 运动和框重叠程度，以及用于挽回低置信度框的第二轮匹配 | 固定摄像头、小型或不确定性较高的检测器，以及注重吞吐量的场景 |
| BoT-SORT | 类似 ByteTrack 的匹配方式，并加入摄像头运动补偿（gmc_method: sparseOptFlow） | 摄像头移动或抖动的场景；人群密集且遮挡时间较长时，设置 with_reid: True |
| TrackTrack | 多线索代价（框形状、置信度、角度）、考虑跟踪状态的初始化、摄像头运动补偿 | 由强大且训练良好的模型产生的高置信度检测结果 |
默认情况下，BoT-SORT 的外观匹配（重识别）处于关闭状态；设置 model: auto 后，它会复用检测器自身的特征，因此启用它只会带来很小的额外开销。
在同一段视频片段上比较跟踪器#
from ultralytics import YOLO
model = YOLO("yolo26n.pt")
video = "https://github.com/ultralytics/assets/releases/download/v0.0.0/solutions_ci_demo.mp4"
for tracker in ("bytetrack.yaml", "botsort.yaml", "tracktrack.yaml"):
ids, frames = set(), 0
for r in model.track(video, stream=True, tracker=tracker, classes=[0], verbose=False):
frames += 1
if r.boxes.is_track:
ids.update(r.boxes.id.int().tolist())
print(f"{tracker:16s} {frames} frames, {len(ids)} unique person IDs")bytetrack.yaml 62 frames, 32 unique person IDs
botsort.yaml 62 frames, 33 unique person IDs
tracktrack.yaml 62 frames, 9 unique person IDs这段视频从上方拍摄，画面中约有 30 人穿过广场，因此 ByteTrack 和 BoT-SORT 的结果接近实际人数。TrackTrack 并没有出错：它只会在置信度高于 new_track_thresh: 0.7 时启动跟踪，并且只会在置信度高于 track_high_thresh: 0.6 时首次进行匹配；而 YOLO26n 在这段视频中对行人检测的置信度中位数为 0.53，只有 17% 的检测结果达到 0.7。大多数人都没有获得 ID。决策原则：在相信任何计数结果之前，先将跟踪器阈值与检测器的置信度分布进行比较。
在流水线中使用 ID#
from collections import defaultdict
from ultralytics import YOLO
model = YOLO("yolo26n.pt")
video = "https://github.com/ultralytics/assets/releases/download/v0.0.0/solutions_ci_demo.mp4"
counts = defaultdict(set)
for r in model.track(video, stream=True, tracker="bytetrack.yaml", verbose=False):
if not r.boxes.is_track: # no confirmed tracks in this frame yet
continue
for cls, tid in zip(r.boxes.cls.int().tolist(), r.boxes.id.int().tolist()):
counts[r.names[cls]].add(tid)
for cls, ids in counts.items():
print(f"{cls}: {len(ids)} unique objects")person: 32 unique objects每个类别使用一个集合来计数，每个 ID 只计一次，不管它出现了多少帧，因此结果统计的是对象而不是检测结果。stream=True 会逐帧返回结果，而不是将整段视频载入内存。区域计数、热力图和距离计算都是在这个循环之上构建的轻量功能。
跟踪你自己读取的帧#
传入路径或 URL 时，跟踪器状态会自动处理。如果帧来自你自己的解码器、网络摄像头或 RTSP 摄像头，请传入 persist=True，让每次调用都延续同一序列（预测模式文档列出了所有来源类型）：
import cv2
from ultralytics import YOLO
from ultralytics.utils.downloads import safe_download
model = YOLO("yolo26n.pt")
video = safe_download("https://github.com/ultralytics/assets/releases/download/v0.0.0/solutions_ci_demo.mp4")
cap = cv2.VideoCapture(str(video)) # or 0 for a webcam, or an rtsp:// URL
seen = set()
while True:
ok, frame = cap.read()
if not ok:
break
r = model.track(frame, persist=True, tracker="bytetrack.yaml", classes=[0], verbose=False)[0]
if r.boxes.is_track:
seen.update(r.boxes.id.int().tolist()) # your logic: dwell time, trajectories, alerts
cap.release()
print(f"{len(seen)} unique IDs")32 unique IDs结果与传入路径时相同，因为 persist=True 在全部 62 次调用中一直保持同一个跟踪器运行。
根据检测器调整跟踪器#
复制一份随包提供的配置，调低不适合你的检测器的阈值，然后传入新文件：
from pathlib import Path
from ultralytics import YOLO
from ultralytics.utils import ROOT
cfg = (ROOT / "cfg/trackers/tracktrack.yaml").read_text() # packaged defaults
for old, new in (
("track_high_thresh: 0.6", "track_high_thresh: 0.3"),
("track_low_thresh: 0.25", "track_low_thresh: 0.1"),
("new_track_thresh: 0.7", "new_track_thresh: 0.35"),
):
cfg = cfg.replace(old, new)
Path("tracktrack_tuned.yaml").write_text(cfg)
model = YOLO("yolo26n.pt")
video = "https://github.com/ultralytics/assets/releases/download/v0.0.0/solutions_ci_demo.mp4"
for tracker in ("tracktrack.yaml", "tracktrack_tuned.yaml"):
ids = set()
for r in model.track(video, stream=True, tracker=tracker, classes=[0], verbose=False):
if r.boxes.is_track:
ids.update(r.boxes.id.int().tolist())
print(f"{tracker:22s} {len(ids)} unique person IDs")tracktrack.yaml 9 unique person IDs
tracktrack_tuned.yaml 27 unique person IDs将阈值设置在略低于检测器置信度中位数的位置后，TrackTrack 的 ID 数量从 9 个升至 27 个，接近人工计数结果。所有跟踪器共有的可调参数：
| 设置项 | ByteTrack 默认值 | 调高后的效果 | 调低后的效果 |
|---|---|---|---|
track_high_thresh | 0.25 | 在首次匹配中忽略较弱的检测结果 | 跟踪低置信度检测器的结果 |
new_track_thresh | 0.25 | 减少短暂出现的误检跟踪目标 | 为模糊对象启动跟踪 |
track_buffer | 30 帧 | 应对更长时间的遮挡 | 更快释放已离开对象的 ID |
match_thresh | 0.8 | 放宽匹配条件（快速运动、框位置跳动） | 收紧匹配条件（人群密集） |
常见问题#
症状：ID 数量远少于目标数量，小模型上尤其明显。解决方法：打印检测置信度的中位数（见解决方案），并将 new_track_thresh 和 track_high_thresh 设在该值略低的位置。
症状：你自己调用 model.track(frame) 时，ID 每帧都会重置；或者两个摄像头输入同一个模型时，ID 会在目标之间跳转。解决方法：为同一视频流的连续帧传入 persist=True，并为每个摄像头创建独立的模型实例（或使用 .streams 数据源，它会为每个流保留一个跟踪器）。
症状：停着的汽车每隔几帧就会更换 ID。解决方法：跟踪器正在创建新轨迹，而不是匹配旧轨迹。先检查检测器对该目标的置信度，然后提高 match_thresh 和 track_buffer。
显示解答
先测量检测器的置信度，再将阈值设在略低于该置信度的位置：
import torch
from ultralytics import YOLO
model = YOLO("yolo26n.pt")
video = "https://github.com/ultralytics/assets/releases/download/v0.0.0/solutions_ci_demo.mp4"
conf = torch.cat([r.boxes.conf for r in model.predict(video, stream=True, classes=[0], verbose=False)])
print(f"median {conf.median():.2f}, share >= 0.7: {(conf >= 0.7).float().mean():.0%}")median 0.53, share >= 0.7: 17%广场视频片段的表格数据为：ByteTrack 32、BoT-SORT 33、TrackTrack 9、调整后的 TrackTrack 27、人工计数约 30。只有 17% 的检测结果达到 TrackTrack 的 new_track_thresh: 0.7 阈值，因此将其降至 0.35（并设置 track_high_thresh: 0.3）是正确的修复方案；对于这台固定的俯视摄像头，直接使用 ByteTrack 更简单。