> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/workflows/ja/burokku/blocks/video-processing/ocsort-tracker.md).

# OC-SORTトラッカー

遮蔽や予測不能な動きを通してオブジェクトを追跡します。

を使用して動画フレーム全体でオブジェクトを追跡します **OC-SORT** roboflow/trackers パッケージのアルゴリズム。

OC-SORTはSORTを2つの重要なメカニズムで拡張します:

1. **観測中心の再更新（OCR）:** トラックが遮蔽後に再び現れたとき、OC-SORTはギャップの前後にある実際の観測値を使ってカルマンフィルタを遡及的に補正し、蓄積したドリフトを低減します。
2. **観測中心のモメンタム（OCM）:** 方向整合性コストをIoUと組み合わせて関連付けに用い、候補検出がトラックの最近の動きと整合しない方向にある場合にペナルティを課します。

これにより、OC-SORTは強い遮蔽、不規則な動き、見た目が均一な場面において、SORTよりも大幅に堅牢になります。

**OC-SORTを使うべき場合:**

* 頻繁かつ長時間の遮蔽がある混雑した場面（例: 歩行者、倉庫作業員）。
* 非線形または不規則な動きのパターン（例: ダンス、急激な方向転換を伴うスポーツ）。
* 長いシーケンスを通じてIDの一貫性が生の速度より重要な場合。

**代替手段を検討すべき場面：**

* 信頼度が混在する検出に対する汎用トラッキングには、次を試してください **ByteTrack**.
* 強力な検出器を使って最大限のシンプルさと速度を求めるなら、次を試してください **SORT**.

3 つの検出セットを出力します：

* **tracked\_detections**：割り当てられた track ID を持つ、確認済みのすべての追跡検出。
* **new\_instances**：track ID が初めて現れた検出。
* **already\_seen\_instances**：track ID が以前のフレームで確認済みの検出。

このブロックは、各 `video_identifier`ごとに個別のトラッカー状態とインスタンスキャッシュを保持し、1 つのワークフロー内でマルチストリーム追跡を可能にします。

### タイプ識別子

ステップで次の識別子を使用してください `"type"` フィールド: `roboflow_core/trackers_ocsort@v1` を、ワークフローにステップとして追加します。

### プロパティ

| **名前**                         | **型**   | **説明**                                                                                      | 参照 |
| ------------------------------ | ------- | ------------------------------------------------------------------------------------------- | -- |
| `name`                         | `str`   | このステップの一意の識別子を入力してください。                                                                     | ❌  |
| `minimum_iou_threshold`        | `float` | 既存のトラックに検出を関連付けるために必要な最小 IoU。デフォルト: 0.3..                                                   | ✅  |
| `minimum_consecutive_frames`   | `int`   | 確認済みトラックとして出力される前に、トラックが連続して一致している必要があるフレーム数（tracker\_id != -1）。デフォルト: 3..                  | ✅  |
| `lost_track_buffer`            | `int`   | 一致する検出を失った後もトラックを存続させるフレーム数。値を大きくすると遮蔽回復が向上します。デフォルト: 30..                                  | ✅  |
| `high_conf_det_threshold`      | `float` | 関連付けに使用される高信頼度検出の信頼度しきい値。デフォルト: 0.6..                                                       | ✅  |
| `direction_consistency_weight` | `float` | OC-SORTの関連付けコストにおける方向整合性項の重み。値が高いほど、履歴上の移動方向と候補検出への方向の整合が優先されます。デフォルト: 0.2..                | ✅  |
| `delta_t`                      | `int`   | OC-SORTが方向整合性モメンタムのためにトラックごとの速度を推定する際に使用する過去フレーム数。デフォルト: 3..                                | ✅  |
| `instances_cache_size`         | `int`   | new/already-seen の分類のためにインスタンスキャッシュに保持される track ID の最大数。FIFO 方式で古いものから破棄されます。デフォルト: 16384.. | ❌  |

この **参照** この列は、 `workflow` の実行時に利用可能な動的値でプロパティをパラメータ化できる可能性を示します。 *バインディング* の詳細を参照してください。

### 実行時互換性

`ソフト` - ランタイム `hosted_serverless`, `dedicated_deployment`; 実行 `リモート`; 入力 `動画` : このブロックは、動画ごとの状態をプロセスメモリ内に保持します（video\_metadata.video\_identifierでキー付け）。ステートレスまたは複数レプリカのHTTPランタイムでリモートステップ実行を行うと、連続したリクエストが異なるワーカープロセスで処理される可能性があるため、呼び出し間で状態がリセットされ、トラッキング／カウント／集計には出力が無意味になります。フレーム間で安定した結果を得るには、InferencePipeline内でローカルステップ実行を使用してください。

`ソフト` - 入力 `image` : このブロックは、動画または繰り返しフレームのワークフローからの時間的コンテキストに依存します。静止画像／写真では、追跡、比較、集計、可視化に意味のある履歴がないため、このブロックの利点はほとんど、またはまったくありません。

### 入力および出力バインディング

利用可能な接続は、そのバインディング種別に依存します。 `OC-SORT トラッカー` バージョン `v1` に、どのバインディング種別があるか確認してください。

<details>

<summary>入力と出力のバインディング</summary>

* input
  * `image` ([*`image`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/image.md)): 埋め込みの動画メタデータ（fps と video\_identifier）を含む入力画像。動画ごとのトラッカー状態を初期化し、取得するために使用します..
  * `detections` (*Union\[*[*`instance_segmentation_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/instance-segmentation-prediction.md)*,* [*`keypoint_detection_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/keypoint-detection-prediction.md)*,* [*`object_detection_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/object-detection-prediction.md)*,* [*`rle_instance_segmentation_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/rle-instance-segmentation-prediction.md)*]*): 追跡対象となる現在のフレームの検出予測..
  * `minimum_iou_threshold` ([*`0から1の浮動小数`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/float-zero-to-one.md)): 既存のトラックに検出を関連付けるために必要な最小 IoU。デフォルト: 0.3..
  * `minimum_consecutive_frames` ([*`integer`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/integer.md)): 確認済みトラックとして出力される前に、トラックが連続して一致している必要があるフレーム数（tracker\_id != -1）。デフォルト: 3..
  * `lost_track_buffer` ([*`integer`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/integer.md)): 一致する検出を失った後もトラックを存続させるフレーム数。値を大きくすると遮蔽回復が向上します。デフォルト: 30..
  * `high_conf_det_threshold` ([*`0から1の浮動小数`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/float-zero-to-one.md)): 関連付けに使用される高信頼度検出の信頼度しきい値。デフォルト: 0.6..
  * `direction_consistency_weight` ([*`0から1の浮動小数`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/float-zero-to-one.md)）：OC-SORTの関連付けコストにおける方向整合性項の重み。値が高いほど、履歴上の移動方向と候補検出への方向の整合が優先されます。デフォルト: 0.2..
  * `delta_t` ([*`integer`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/integer.md)）：OC-SORTが方向整合性モメンタムのためにトラックごとの速度を推定する際に使用する過去フレーム数。デフォルト: 3..
* output
  * `tracked_detections` (*Union\[*[*`object_detection_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/object-detection-prediction.md)*,* [*`instance_segmentation_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/instance-segmentation-prediction.md)*,* [*`keypoint_detection_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/keypoint-detection-prediction.md)*,* [*`rle_instance_segmentation_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/rle-instance-segmentation-prediction.md)*]*) : 検出されたバウンディングボックスをsv.Detections(...)オブジェクト形式で持つ予測、もし `object_detection_prediction` 、または検出されたバウンディングボックスとセグメンテーションマスクをsv.Detections(...)オブジェクト形式で持つ予測、もし `instance_segmentation_prediction` または、sv.Detections(...) オブジェクト形式の、検出されたバウンディングボックスとキーポイントを含む Prediction（もし `keypoint_detection_prediction` 、または検出されたバウンディングボックスとRLEエンコードされたセグメンテーションマスクをsv.Detections(...)オブジェクト形式で持つ予測、もし `rle_instance_segmentation_prediction`.
  * `new_instances` (*Union\[*[*`object_detection_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/object-detection-prediction.md)*,* [*`instance_segmentation_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/instance-segmentation-prediction.md)*,* [*`keypoint_detection_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/keypoint-detection-prediction.md)*,* [*`rle_instance_segmentation_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/rle-instance-segmentation-prediction.md)*]*) : 検出されたバウンディングボックスをsv.Detections(...)オブジェクト形式で持つ予測、もし `object_detection_prediction` 、または検出されたバウンディングボックスとセグメンテーションマスクをsv.Detections(...)オブジェクト形式で持つ予測、もし `instance_segmentation_prediction` または、sv.Detections(...) オブジェクト形式の、検出されたバウンディングボックスとキーポイントを含む Prediction（もし `keypoint_detection_prediction` 、または検出されたバウンディングボックスとRLEエンコードされたセグメンテーションマスクをsv.Detections(...)オブジェクト形式で持つ予測、もし `rle_instance_segmentation_prediction`.
  * `already_seen_instances` (*Union\[*[*`object_detection_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/object-detection-prediction.md)*,* [*`instance_segmentation_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/instance-segmentation-prediction.md)*,* [*`keypoint_detection_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/keypoint-detection-prediction.md)*,* [*`rle_instance_segmentation_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/rle-instance-segmentation-prediction.md)*]*) : 検出されたバウンディングボックスをsv.Detections(...)オブジェクト形式で持つ予測、もし `object_detection_prediction` 、または検出されたバウンディングボックスとセグメンテーションマスクをsv.Detections(...)オブジェクト形式で持つ予測、もし `instance_segmentation_prediction` または、sv.Detections(...) オブジェクト形式の、検出されたバウンディングボックスとキーポイントを含む Prediction（もし `keypoint_detection_prediction` 、または検出されたバウンディングボックスとRLEエンコードされたセグメンテーションマスクをsv.Detections(...)オブジェクト形式で持つ予測、もし `rle_instance_segmentation_prediction`.

</details>

<details>

<summary>JSON定義の例</summary>

```json
{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/trackers_ocsort@v1",
	    "image": "<block_does_not_provide_example>",
	    "detections": "$steps.object_detection_model.predictions",
	    "minimum_iou_threshold": 0.3,
	    "minimum_consecutive_frames": 3,
	    "lost_track_buffer": 30,
	    "high_conf_det_threshold": 0.6,
	    "direction_consistency_weight": 0.2,
	    "delta_t": 3,
	    "instances_cache_size": "<block_does_not_provide_example>"
	}
```

</details>
