roboflow/trackers

解决的问题

trackers 是一个 Python 库，为任何目标检测模型提供标准化、即插即用的多目标跟踪（MOT）实现方式。它消除了编写自定义胶水代码或从头实现复杂跟踪算法的需要，以应对遮挡、快速运动和移动相机等挑战。

如何工作

该库提供了多种行业标准跟踪算法的洁净室实现，包括 SORT、ByteTrack、OC-SORT、BoT-SORT、C-BIoU 和 McByte。它设计为与检测器无关，意味着它可以与任何输出边界框的模型（如 YOLO、DETR 或 RT-DETR）配合使用。它原生集成 supervision.Detections 格式，允许用户传入检测结果，并通过一致的 update() 接口接收返回的跟踪检测结果。

适用人群

• 工程师：需要可靠、Apache 2.0 许可的跟踪库来构建生产流水线的人。
• 研究人员：在标准化基准上比较不同跟踪算法的人。
• 爱好者：需要对象跟踪功能来构建计算机视觉项目的人。

主要亮点

• 检测器无关：无需特定推理库，可与任何输出边界框的模型配合使用。
• 洁净室实现：算法从原始论文中重新实现，确保透明性与可修改性。
• 全面的算法套件：包含多种跟踪器，如 ByteTrack 和 BoT-SORT，适用于不同场景类型。
• 相机运动补偿：BoT-SORT 和 McByte 原生支持，在帧间移动时保持 ID 稳定。
• 内置评估与调优：包含 CLI 工具用于跟踪、下载基准数据集（MOT17、SportsMOT），以及基于 Optuna 的超参数调优。
• 原生集成：无缝接入 supervision 生态系统。