能否提供一個簡化的python code?

[fcu52005505]

我知道您這邊有提供一個 track_demo.py，可以直接套用自己的權重來跑影片。
不過我覺得如果能像 ultralytics 或 boxmot 那樣，提供一個更簡潔明瞭的 Python 範例程式碼，會更直觀也更容易理解。

例如 ultralytics 的範例：

results = model.track(
    source="https://youtu.be/LNwODJXcvt4", 
    tracker="botsort.yaml", 
    with_reid= True,
    conf=0.3, 
    iou=0.5, 
    device=0
)

或者 boxmot 的範例

# Set device
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

# Load model with pretrained weights and preprocessing transforms
weights = Weights.DEFAULT
model = fasterrcnn_resnet50_fpn_v2(weights=weights, box_score_thresh=0.5)
model.to(device).eval()
transform = weights.transforms()

# Initialize tracker
tracker = BoostTrack(reid_weights=Path('osnet_x0_25_msmt17.pt'), device=device, half=False)

這樣一眼就能清楚知道該如何修改reid權重, iou等其他參數。

另外，ultralytics 與 boxmot 也都有提供各種追蹤方法的 yaml 檔，方便使用者調整參數。
相較之下，您的 track_demo.py 似乎就沒有這樣的設計，或許可以考慮新增這個功能，會更方便使用者進行微調。

[JackWoo0831]

收到您的建议！非常有用的建议！
我近期尝试改一下~

[fcu52005505]

收到您的建议！非常有用的建议！ 我近期尝试改一下~

期待你的作品 希望能跟boxmot 一樣簡潔 只要這幾行代碼 就可以正常run了

import cv2  
import torch  
import numpy as np  
from pathlib import Path  
import time  
from boxmot import create_tracker, get_tracker_config  
from ultralytics import YOLO  
from boxmot.utils.torch_utils import select_device  
  
# ====== 變數設定 ======  
VIDEO_PATH = 'A.mp4'                                      # 輸入影片檔路徑  
YOLO_MODEL_PATH = 'car.engine'                            # YOLO 推論用的 TensorRT/ONNX/pt 權重  
REID_MODEL_PATH = 'mobilenetv2_x1_0_market1501.engine'    # ReID（外觀特徵）模型權重/引擎  
  
# 設定追蹤器類型（可以輕鬆切換）  
TRACKER_TYPE = 'botsort'  # 可改為 'botsort', 'deepocsort', 'ocsort', 'strongsort', 'boosttrack'  
# ======================  
  
# 依環境自動選擇運算裝置（優先 GPU，否則 CPU）  
device = select_device('')  
  
# 取得追蹤器配置  
tracker_config = get_tracker_config(TRACKER_TYPE)  
  
# 建立通用追蹤器  
tracker = create_tracker(  
    tracker_type=TRACKER_TYPE,  
    tracker_config=tracker_config,  
    reid_weights=Path(REID_MODEL_PATH) if TRACKER_TYPE in ['botsort', 'deepocsort', 'strongsort', 'boosttrack'] else None,  
    device=device,  
    half=True,  
    per_class=False  
)  
  
# 載入 YOLO 偵測模型  
yolo = YOLO(YOLO_MODEL_PATH)  
  
# 打開影片串流（檔案或攝影機都可以）  
cap = cv2.VideoCapture(VIDEO_PATH)  
if not cap.isOpened():  
    raise IOError("無法打開影片檔案")  
  
# 紀錄前一幀時間，用來計算 FPS  
prev_time = time.time()  
  
# 使用 no grad / inference 模式，節省記憶體與運算  
with torch.inference_mode():  
    while True:  
        # 讀取單一幀  
        success, frame = cap.read()  
        if not success:  # 讀不到就結束（影片播放完或讀取錯誤）  
            break  
  
        # 計算 FPS（幀率）  
        curr_time = time.time()  
        fps = 1 / (curr_time - prev_time)  
        prev_time = curr_time  
  
        # 執行 YOLO 偵測（conf 為信心閾值，可視需求調整）  
        results = yolo(frame, conf=0.5, verbose=False)  
  
        # 解析 YOLO 偵測結果，整理成追蹤器需要的格式：  
        # 每筆 detection => [x1, y1, x2, y2, score, class_id]  
        if results[0].boxes is not None and len(results[0].boxes) > 0:  
            boxes = results[0].boxes.xyxy.cpu().numpy()   # 邊框座標  
            scores = results[0].boxes.conf.cpu().numpy()  # 置信度  
            classes = results[0].boxes.cls.cpu().numpy()  # 類別 ID  
            detections = np.column_stack((boxes, scores, classes))  
        else:  
            detections = np.empty((0, 6))  # 沒有偵測到任何物件  
  
        # 將偵測結果丟給追蹤器更新軌跡  
        tracks = tracker.update(detections, frame)  
  
        # 在畫面上繪製追蹤結果（ID、邊框、可選軌跡線）  
        tracker.plot_results(frame, show_trajectories=True)  
  
        # 在左上角疊加顯示 FPS  
        cv2.putText(  
            frame, f"FPS: {fps:.1f}", (15, 35),  
            cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2, cv2.LINE_AA  
        )  
  
        # 顯示即時畫面視窗，按下 'q' 離開  
        cv2.imshow('BoXMOT + YOLO', frame)  
        if cv2.waitKey(1) & 0xFF == ord('q'):  
            break  
  
# 收尾：釋放資源與關閉視窗  
cap.release()  
cv2.destroyAllWindows()

[fcu52005505]

@JackWoo0831 請問有新進度了嗎 希望呈現的代碼 如同上面一樣簡潔~ 謝謝你