目标检测之物体跟踪
1.前言
在视频识别中，如果在识别到物体后需要发送一个消息给管理员，因为帧比较多，不可能每一个帧都发送消息，需要在多个帧之间进行筛选。多个帧之间可能识别出的是同一个物体，这样会导致重复，如何避免重复呢？后来我发现了一个叫目标追踪的技术。
参考文章:
【1】.图像识别同一物体只触发一次 1.使用目标检测算法识别物体。2.使用目标检测算法识别物体。3.使用目标检测算法识别物体。4.更新位置信息。
【2】.YOLO+Sort实现目标追踪 目标跟踪:目标跟踪任务更关注对象在帧与帧之间的连续性，通常更注重对象的运动特征，而不要求进行目标的分类。 目标跟踪可以不涉及目标的类别，它的主要目标是维护对象的位置和轨迹，以实现在视频序列中的跟踪。1.IOU追踪器；2.Sort目标追踪算法；3.匈牙利算法；4.卡尔曼滤波。
【3】.深度学习应用篇-计算机视觉-目标检测[4]涉及技术详解 1.目标检测综述：应用场景、目标检测发展历程、常用数据集。2.边界框（bounding box）。3.锚框（Anchor box）。4.交并比。
【4】.多目标跟踪Ultralytics YOLO 这里是官方的说明，如何使用 model.track 进行目标追踪，还提供了相关的代码。
【5】.YOLO在目标检测与视频轨迹追踪中的应用
【6】.使用 YOLO 和计算机视觉进行目标跟踪 | 附完整代码 1.我们将加载模型。2.我们将加载视频。3.我们将逐帧提取视频。4.对每一帧进行预测并使用 OpenCV 显示结果。这里还提供了一些目标追踪的代码。
【7】.超详细概述YOLOV8实现目标追踪任务全解析 展示了如何使用追踪，并获取追踪id号的问题，提供了详细的代码。
【8】.AI项目十九：YOLOV8实现目标追踪 这里使用了IOU实现目标追踪，记录了：跟踪目标的矩形框、跟踪目标的最大score、目标出现的 帧id、目标出现的所有帧id、跟踪标号、跟踪标号、跟踪标号
【9】.基于YOLOv8-deepsort算法的智能车辆目标检测 该项目基于Ultralytics YOLOv8与DeepSORT跟踪算法，旨在实现目标检测与多目标跟踪的集成。YOLOv8是Ultralytics推出的最新YOLO系列模型，以其快速、准确的目标检测能力而著称，适用于实时视频流处理和复杂场景中的目标识别。项目主要应用场景包括自动驾驶、智能监控以及无人机导航等。通过将YOLOv8与DeepSORT相结合，系统能够在检测到物体后对目标进行实时跟踪，并为每个物体分配唯一的ID，从而实现多目标追踪功能。这种方法不仅可以跟踪静止和移动物体，还能在目标遮挡和重叠时保持良好的跟踪效果。项目的核心是将YOLOv8检测模型与DeepSORT追踪器进行融合，并通过使用自定义数据集来提升检测和跟踪的整体性能。技术创新点摘要:模型集成与扩展、自定义数据集与迁移学习、增强的追踪策略与外观信息融合、模块化设计与易用性。
【10】.基于YOLOv8的目标跟踪——汽车跟踪和计数 这里提供了部分的代码，主要就是获取了帧的各个id，然后进行了计数操作。
【11】.Ultralytics YOLOv8 用于计算机视觉项目中的速度估算 通过 yolov8 估算速度。
【12】.【超详细】【YOLOV8使用说明】一套框架解决CV的5大任务：目标检测、分割、姿势估计、跟踪和分类任务【含源码】 这里就包括了各个任务的代码。
【1】.图像识别同一物体只触发一次 1.使用目标检测算法识别物体。2.使用目标检测算法识别物体。3.使用目标检测算法识别物体。4.更新位置信息。
【2】.YOLO+Sort实现目标追踪 目标跟踪:目标跟踪任务更关注对象在帧与帧之间的连续性，通常更注重对象的运动特征，而不要求进行目标的分类。 目标跟踪可以不涉及目标的类别，它的主要目标是维护对象的位置和轨迹，以实现在视频序列中的跟踪。1.IOU追踪器；2.Sort目标追踪算法；3.匈牙利算法；4.卡尔曼滤波。
【3】.深度学习应用篇-计算机视觉-目标检测[4]涉及技术详解 1.目标检测综述：应用场景、目标检测发展历程、常用数据集。2.边界框（bounding box）。3.锚框（Anchor box）。4.交并比。
【4】.多目标跟踪Ultralytics YOLO 这里是官方的说明，如何使用 model.track 进行目标追踪，还提供了相关的代码。
【5】.YOLO在目标检测与视频轨迹追踪中的应用
【6】.使用 YOLO 和计算机视觉进行目标跟踪 | 附完整代码 1.我们将加载模型。2.我们将加载视频。3.我们将逐帧提取视频。4.对每一帧进行预测并使用 OpenCV 显示结果。这里还提供了一些目标追踪的代码。
【7】.超详细概述YOLOV8实现目标追踪任务全解析 展示了如何使用追踪，并获取追踪id号的问题，提供了详细的代码。
【8】.AI项目十九：YOLOV8实现目标追踪 这里使用了IOU实现目标追踪，记录了：跟踪目标的矩形框、跟踪目标的最大score、目标出现的 帧id、目标出现的所有帧id、跟踪标号、跟踪标号、跟踪标号
【9】.基于YOLOv8-deepsort算法的智能车辆目标检测 该项目基于Ultralytics YOLOv8与DeepSORT跟踪算法，旨在实现目标检测与多目标跟踪的集成。YOLOv8是Ultralytics推出的最新YOLO系列模型，以其快速、准确的目标检测能力而著称，适用于实时视频流处理和复杂场景中的目标识别。项目主要应用场景包括自动驾驶、智能监控以及无人机导航等。通过将YOLOv8与DeepSORT相结合，系统能够在检测到物体后对目标进行实时跟踪，并为每个物体分配唯一的ID，从而实现多目标追踪功能。这种方法不仅可以跟踪静止和移动物体，还能在目标遮挡和重叠时保持良好的跟踪效果。项目的核心是将YOLOv8检测模型与DeepSORT追踪器进行融合，并通过使用自定义数据集来提升检测和跟踪的整体性能。技术创新点摘要:模型集成与扩展、自定义数据集与迁移学习、增强的追踪策略与外观信息融合、模块化设计与易用性。
【10】.基于YOLOv8的目标跟踪——汽车跟踪和计数 这里提供了部分的代码，主要就是获取了帧的各个id，然后进行了计数操作。
【11】.Ultralytics YOLOv8 用于计算机视觉项目中的速度估算 通过 yolov8 估算速度。
【12】.【超详细】【YOLOV8使用说明】一套框架解决CV的5大任务：目标检测、分割、姿势估计、跟踪和分类任务【含源码】 这里就包括了各个任务的代码。
