SORTトラッカー

高速で軽量なオブジェクト追跡です。オブジェクトがはっきり見える場合に最適です。

roboflow/trackers パッケージの SORT アルゴリズムを使用して、動画フレーム間でオブジェクトを追跡します。

SORT は、カルマンフィルタの動きモデルと単段の IoU ベースのハンガリアン割り当てを組み合わせます。パラメータ数とオーバーヘッドが最も少なく、毎秒数百フレームを処理できます。ただし、再識別や遮蔽回復の仕組みがないため、オブジェクトが一時的に隠れるとトラックが断片化したり ID が切り替わったりすることがあります。

SORT を使う場面：

• 信頼性が高く高確信度の検出が得られる制御された環境。

• 最大スループットが重要なリアルタイムパイプライン。

• 遮蔽が少なく、予測可能な線形運動の単純なシーン。

代替案を検討すべき場面：

• トラックの断片化や弱い検出の取りこぼしが見られる場合は、 ByteTrack.

• オブジェクトに強い遮蔽や非線形の動きがある場合は、 OC-SORT.

3種類の検出セットを出力します：

• tracked_detections：割り当て済みのトラック ID を持つ、確認済みのすべての追跡検出。

• new_instances：トラック ID が初めて現れた検出。

• already_seen_instances：以前のフレームでそのトラック ID が見られた検出。

このブロックは、各 video_identifierごとにトラッカー状態とインスタンスキャッシュを個別に保持し、単一のワークフロー内で複数ストリームの追跡を可能にします。

型識別子

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_sort@v1 ワークフローにこのブロックをステップとして追加するには。

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	検出を既存トラックに関連付けるために必要な最小 IoU。デフォルト: 0.3..	✅
minimum_consecutive_frames	整数	トラックが確認済みトラックとして出力される前に一致していなければならない連続フレーム数（tracker_id != -1）。デフォルト: 3..	✅
lost_track_buffer	整数	一致した検出を失った後もトラックを生存状態に保つフレーム数。値を大きくすると遮蔽からの復帰性能が向上します。デフォルト: 30..	✅
track_activation_threshold	float	新しいトラックを生成するために必要な最小検出信頼度。このしきい値未満の検出は新しいトラックの作成には使用されません。デフォルト: 0.25..	✅
instances_cache_size	整数	新規/既に確認済みの分類のためにインスタンスキャッシュに保持するトラック ID の最大数。FIFO で削除されます。デフォルト: 16384..	❌

この 参照 列は、で利用可能な動的値を使ってプロパティをパラメータ化できる可能性を示します ワークフロー 実行時。参照 バインディング 詳細は。

ランタイム互換性

soft - 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、プロセスメモリ内に動画ごとの状態を保持します（video_metadata.video_identifier をキーとする）。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、連続するリクエストが別々のワーカープロセスによって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、追跡／カウント／集計には意味のない出力になります。安定したフレーム間結果を得るには、永続的な WebRTC セッションでローカルステップ実行を使用してください。

soft - 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、可視化に使える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。

入力と出力のバインディング

利用可能な接続は、そのバインディング種別によって異なります。どのバインディング種別が SORT トラッカー のバージョン v1 あるか確認してください。

入力と出力のバインディング

• 入力

  • image (image）：動画メタデータ（fps と video_identifier）を埋め込んだ入力画像。各動画のトラッカー状態の初期化と取得に使用します..

  • 検出 (Union[rle_instance_segmentation_prediction, object_detection_prediction, instance_segmentation_prediction, keypoint_detection_prediction]）：現在のフレームで追跡する検出予測..

  • minimum_iou_threshold (float_zero_to_one）：検出を既存トラックに関連付けるために必要な最小 IoU。デフォルト: 0.3..

  • minimum_consecutive_frames (整数）：トラックが確認済みトラックとして出力される前に一致していなければならない連続フレーム数（tracker_id != -1）。デフォルト: 3..

  • lost_track_buffer (整数）：一致した検出を失った後もトラックを生存状態に保つフレーム数。値を大きくすると遮蔽からの復帰性能が向上します。デフォルト: 30..

  • track_activation_threshold (float_zero_to_one）：新しいトラックを生成するために必要な最小検出信頼度。このしきい値未満の検出は新しいトラックの作成には使用されません。デフォルト: 0.25..

• 出力

  • tracked_detections (Union[object_detection_prediction, instance_segmentation_prediction, keypoint_detection_prediction, rle_instance_segmentation_prediction]）：sv.Detections(...) 形式の検出バウンディングボックスを含む予測。 object_detection_prediction または、sv.Detections(...) 形式の検出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含む予測。 instance_segmentation_prediction または、検出されたバウンディングボックスと検出されたキーポイントを sv.Detections(...) オブジェクトの形式で持つ Prediction の場合 keypoint_detection_prediction または、sv.Detections(...) オブジェクト形式で、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含む Prediction。もし rle_instance_segmentation_prediction.

  • new_instances (Union[object_detection_prediction, instance_segmentation_prediction, keypoint_detection_prediction, rle_instance_segmentation_prediction]）：sv.Detections(...) 形式の検出バウンディングボックスを含む予測。 object_detection_prediction または、sv.Detections(...) 形式の検出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含む予測。 instance_segmentation_prediction または、検出されたバウンディングボックスと検出されたキーポイントを sv.Detections(...) オブジェクトの形式で持つ Prediction の場合 keypoint_detection_prediction または、sv.Detections(...) オブジェクト形式で、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含む Prediction。もし rle_instance_segmentation_prediction.

  • already_seen_instances (Union[object_detection_prediction, instance_segmentation_prediction, keypoint_detection_prediction, rle_instance_segmentation_prediction]）：sv.Detections(...) 形式の検出バウンディングボックスを含む予測。 object_detection_prediction または、sv.Detections(...) 形式の検出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含む予測。 instance_segmentation_prediction または、検出されたバウンディングボックスと検出されたキーポイントを sv.Detections(...) オブジェクトの形式で持つ Prediction の場合 keypoint_detection_prediction または、sv.Detections(...) オブジェクト形式で、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含む Prediction。もし rle_instance_segmentation_prediction.

JSON 定義の例

{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/trackers_sort@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,
	    "track_activation_threshold": 0.25,
	    "instances_cache_size": "<block_does_not_provide_example>"
	}