BoxMOT 项目使用教程

BoxMOT 项目使用教程

boxmot BoxMOT: pluggable SOTA tracking modules for segmentation, object detection and pose estimation models 项目地址: https://gitcode.com/gh_mirrors/bo/boxmot

1. 项目介绍

BoxMOT 是一个开源项目，提供了可插拔的最新（SOTA）跟踪模块，适用于分割、目标检测和姿态估计模型。该项目支持多种跟踪方法，包括基于外观描述和运动的方法。BoxMOT 提供了轻量级和重量级的 ReID 模型，用户可以根据需求自动下载。此外，BoxMOT 还提供了与流行的目标检测模型（如 YOLOv8、YOLOv9 和 YOLOv10）一起使用的示例。

2. 项目快速启动

2.1 安装

首先，确保你有一个 Python 3.9 或更高版本的环境。如果你想要运行 YOLOv8、YOLOv9 或 YOLOv10 的示例，可以按照以下步骤进行安装：

git clone https://github.com/mikel-brostrom/boxmot.git
cd boxmot
pip install poetry
poetry install --with yolo
poetry shell

如果你只想导入跟踪模块，可以简单地使用以下命令：

pip install boxmot

2.2 使用示例

2.2.1 跟踪 YOLO 模型

# 仅跟踪边界框
python tracking/track.py --yolo-model yolov10n
python tracking/track.py --yolo-model yolov9s
python tracking/track.py --yolo-model yolov8n

# 跟踪边界框和分割掩码
python tracking/track.py --yolo-model yolov8n-seg

# 跟踪边界框和姿态估计
python tracking/track.py --yolo-model yolov8n-pose

2.2.2 选择跟踪方法

python tracking/track.py --tracking-method deepocsort strongsort ocsort bytetrack botsort imprassoc

2.2.3 选择 ReID 模型

python tracking/track.py --source 0 --reid-model lmbn_n_cuhk03_d.pt

3. 应用案例和最佳实践

3.1 视频跟踪

BoxMOT 可以应用于大多数视频格式，包括本地视频文件、摄像头输入、YouTube 视频等。以下是一个示例：

python tracking/track.py --source vid.mp4 --yolo-model yolov8n --tracking-method deepocsort

3.2 自定义类别的跟踪

默认情况下，BoxMOT 会跟踪所有 MS COCO 类别。如果你只想跟踪特定类别，可以使用 --classes 参数：

python tracking/track.py --source 0 --yolo-model yolov8s.pt --classes 16 17  # 仅跟踪猫和狗

4. 典型生态项目

BoxMOT 作为一个多目标跟踪工具，可以与其他开源项目结合使用，以实现更复杂的功能。以下是一些典型的生态项目：

• YOLOv8: 一个流行的目标检测模型，BoxMOT 提供了与 YOLOv8 集成的示例。
• Torchvision: 提供了丰富的计算机视觉工具，BoxMOT 可以与 Torchvision 结合使用，实现更复杂的跟踪任务。
• TensorRT: 用于加速深度学习推理的工具，BoxMOT 支持将 ReID 模型导出为 TensorRT 格式，以提高推理速度。

通过结合这些生态项目，BoxMOT 可以应用于各种复杂的计算机视觉任务，如实时视频分析、自动驾驶、安防监控等。

boxmot BoxMOT: pluggable SOTA tracking modules for segmentation, object detection and pose estimation models 项目地址: https://gitcode.com/gh_mirrors/bo/boxmot