trackers

项目概述#

Roboflow Trackers 是 Roboflow 推出的多目标跟踪（MOT）工具包，核心定位是将跟踪逻辑与检测模型解耦。通过提供整洁、模块化的算法重实现，解决了跟踪算法碎片化和集成复杂度高的问题。

核心算法#

已支持算法#

• SORT：Simple Online and Realtime Tracking，基于卡尔曼滤波与匈牙利算法的经典实时跟踪方案
• ByteTrack：利用低分检测框改善遮挡情况下跟踪性能的先进算法

计划支持#

• OC-SORT、BoT-SORT、McByte（官网标注 Coming soon）

功能特性#

输入源支持#

• 视频文件（.mp4、.avi）
• 摄像头索引
• RTSP 流
• 图像目录

可视化输出#

支持绘制 Bounding Box、Mask、轨迹、ID、置信度、标签等多种标注元素，输出带标注的视频文件或实时预览。

评估能力#

针对 ground truth 计算标准 MOT 指标：

• CLEAR 指标系列
• HOTA（Higher Order Tracking Accuracy）
• Identity 相关指标

安装方式#

# 基础安装（仅跟踪功能）
pip install trackers

# 完整安装（含 Roboflow 推理模型支持）
pip install trackers[detection]

环境要求：Python >= 3.10

快速上手#

CLI 使用#

# 默认配置处理视频
trackers track --source video.mp4 --output output.mp4

# 指定模型与跟踪器
trackers track --source video.mp4 --output output.mp4 \
  --model rfdetr-medium \
  --tracker bytetrack \
  --show-trajectories

# 评估跟踪结果
trackers eval --gt-dir data/gt --tracker-dir data/trackers --metrics CLEAR HOTA Identity

Python API#

import cv2
import supervision as sv
from inference import get_model
from trackers import ByteTrackTracker

model = get_model("yolov8n-640")
tracker = ByteTrackTracker()

for frame in video_frames:
    result = model.infer(frame)[0]
    detections = sv.Detections.from_inference(result)
    tracked_detections = tracker.update(detections)
    # tracked_detections 现在包含 tracker_id

关键配置参数#

跟踪器参数#

检测器参数#

架构设计#

trackers/
├── core/          # 核心算法实现
│   ├── base.py    # 基类定义
│   ├── bytetrack/ # ByteTrack 实现
│   └── sort/      # SORT 实现
├── eval/          # 评估逻辑
├── scripts/       # CLI 入口
├── annotators/    # 可视化工具
├── io/            # 输入输出处理
├── motion/        # 运动模型
└── utils/         # 工具函数

设计要点：

• 检测器无关：核心接口 tracker.update(detections) 接受标准化检测对象
• 与 supervision 生态深度集成，数据结构完全兼容
• 通过 jsonargparse 实现灵活的 CLI 参数解析

适用场景#

• 视频流实时目标跟踪（监控、安防）
• 体育赛事或行为分析（SoccerNet、SportsMOT 数据集）
• 机器视觉流程中需要维持目标 ID 一致性的场景
• 对比评估不同 MOT 算法性能的研究任务

学习资源#

• SORT Colab 教程
• ByteTrack Colab 教程
• 算法性能对比页