查看 Markdown

libreyolo track

在视频文件、图像目录或图像列表上运行 model.track(),每帧打印一行,带上该帧的跟踪 ID。1.8.0 新增,检查点(checkpoint)和导出的产物都能用。

命令
libreyolo track
必填
source
输出
每帧一行输出到 stdout。save=true 时,标注后的视频写入 runs/track/

用法概要

bash
libreyolo track source=<video|directory|image|a.jpg,b.jpg> [model=<name|path>] [key=value ...]

参数是 key=value 形式的键值对,也接受 POSIX 写法,所以 tracker=botsort 和 --tracker botsort 是同一个参数。

参数

参数默认值含义
source视频文件、图像目录、图像路径,或逗号分隔的 a.jpg,b.jpg 图像列表。必填
modelyolox-s模型名称或路径;导出的产物也可以
trackerbytetrackbytetrack、botsort、ocsort 或 deepocsort。写成 .yaml 的形式会选中同样的内置跟踪器
track_conf0.25跟踪器第一阶段关联的置信度阈值
conf检测阈值。不设置时,检测器以跟踪器自己的低阈值运行,让弱检测框留作找回之用
iou0.45NMS 的 IoU 阈值
imgsz输入图像尺寸:640(正方形)或 480x640(高×宽)。不设置时使用模型自身的输入尺寸
classes按类别 ID 过滤,例如 [0,2,5]。也接受单个整数
max_det300每帧的最大检测数
savefalse保存标注后的视频
showfalse显示跟踪后的帧;按 q 停止
vid_stride1每 N 帧处理一帧
fps30图像序列假定的帧率;视频会忽略它
output_path输出视频路径。默认 runs/track/<name>.mp4,带编号,一次运行永远不会覆盖另一次
color_formatauto输入色彩:auto、rgb、bgr
deviceauto设备:0、cpu、mps、auto
jsonfalse向 stdout 输出 JSON,每帧一个对象
quietfalse抑制 stderr
verbosefalsestderr 输出更详细的信息
help_jsonfalse以 JSON 形式输出命令的 schema 并退出

示例

基础用法
libreyolo track model=LibreYOLO9s.pt source=video.mp4
换一个跟踪器,保存视频
libreyolo track model=LibreYOLO9s.pt source=video.mp4 \  tracker=botsort classes="[0]" save=true
导出的模型,每帧 JSON
libreyolo track model=weights/LibreYOLO9s.onnx source=frames/ fps=25 \  json=true quiet=true

说明

每次调用都从第一帧开始跟踪一个源,所以没有 persist 选项:跟踪 ID 永远不会在命令之间延续。 实时源会以 config_unsupported 被拒绝:摄像头和流都是。请使用视频文件、图像目录或图像列表。

面向人读的输出是每帧一行,例如 frame 12 video.mp4: 1920x1080 3 tracks (ids 1, 2, 5),stderr 最后会给出帧数和不重复的跟踪 ID 个数。 json=true 时,每帧是一个 JSON 对象,带有 tracker、frame_index 和一个 detections 列表, 其中每个检测框都有 track_id、class、class_id、confidence 和 bbox_xyxy。

如果模型的任务没有可供关联的检测框,或者模型类型没有 track(),命令会以 config_unsupported 退出。 退出码与 libreyolo predict 一致:成功是 0,用法或配置错误是 2, 找不到源是 3,模型加载失败是 4,其他运行时故障是 1。

跟踪器、它们的配置以及 Python 的 track() 调用见目标跟踪。

已针对 LibreYOLO v1.8.0 验证。