介 绍

    之前我们介绍了使用YOLOv9与 ByteTrack 结合进行对象跟踪的概念，展示了这两种强大的技术如何有效地协同工作。现在，让我们通过探索与 ByteTrack 结合的 YOLOv11 来进一步了解这一概念。

    实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数（步骤 + 源码）

    YOLOv11（You Only Look Once，版本 11）代表了物体识别技术的最新进展，进一步突破了速度和准确性的界限。YOLOv11 就像是我们增强的眼睛，能够以无与伦比的准确性同时快速识别和分类多个物体。

    ByteTrack 是对这一强大检测能力的补充，它是一种先进的跟踪算法，可以无缝连接 YOLOv11 的跨帧检测。ByteTrack 充当视觉背后的大脑，一丝不苟地处理检测，并在物体穿过场景时保持一致的物体身份。

    本文中我们将逐步指导您使用 YOLOv11 和 ByteTrack 实现卓越的实时对象跟踪性能。

入门

    步骤 1：安装库

pip install opencv-python ultralytics

    步骤 2：导入库

import cv2from ultralytics import YOLO

    步骤 3：加载模型

model = YOLO('yolo11l-seg.pt')  # Load an official Segment model

    在下面网站上，你可以从各种模型中进行选择。在本例中，我们选择了 yolo11l-seg.pt。

https://docs.ultralytics.com/models/yolo11/#supported-tasks-and-modes

    第 4 步：设置视频文件路径

# open the video filevideo_path = r"YourVideoPath"cap = cv2.VideoCapture(video_path)

    步骤 5：循环播放视频帧

while cap.isOpened():    # Read a frame from the video    success, frame = cap.read()    if success:        frame = cv2.resize(frame, (416, 416))        # Run YOLOv9 tracking on the frame, persisting tracks between frames        conf = 0.2        iou = 0.5        results = model.track(frame, persist=True, conf=conf, iou=iou, show=False, tracker="bytetrack.yaml")        # Visualize the results on the frame        annotated_frame = results[0].plot()        # Display the annotated frame        cv2.imshow("YOLOv11 Tracking", annotated_frame)        cv2.waitKey(1)

    完整代码：

import cv2from ultralytics import YOLOmodel = YOLO('yolo11l-seg.pt')  # Load an official Segment model# open the video filevideo_path = r"DeinVideoPfad"cap = cv2.VideoCapture(video_path)while cap.isOpened():    # Read a frame from the video    success, frame = cap.read()    if success:            frame = cv2.resize(frame, (416, 416))            # Run YOLOv9 tracking on the frame, persisting tracks between frames            conf = 0.2            iou = 0.5            results = model.track(frame, persist=True, conf=conf, iou=iou, show=False, tracker="bytetrack.yaml")            # Visualize the results on the frame            annotated_frame = results[0].plot()            # Display the annotated frame            cv2.imshow("YOLOv11 Tracking", annotated_frame)            cv2.waitKey(1)

转自：基于YOLOv11 和 ByteTrack 实现目标跟踪