SORT 추적기

빠르고 가벼운 객체 추적입니다. 객체가 또렷하게 보일 때 가장 잘 작동합니다.

비디오 프레임 전반의 객체를 추적합니다 SORT roboflow/trackers 패키지의 알고리즘입니다.

SORT는 칼만 필터 운동 모델과 단일 단계 IoU 기반 헝가리안 할당을 결합합니다. 매개변수가 가장 적고 오버헤드가 가장 낮으며, 초당 수백 프레임을 처리합니다. 그러나 재식별과 가림 복구 메커니즘이 없어, 객체가 일시적으로 가려지면 트랙이 분절되거나 ID가 바뀔 수 있습니다.

SORT를 사용할 때:

• 신뢰할 수 있고 높은 신뢰도의 탐지가 있는 통제된 환경.

• 최대 처리량이 중요한 실시간 파이프라인.

• 가림이 거의 없고 선형 운동이 예측 가능한 단순한 장면.

대안을 고려할 때:

• 트랙이 분절되거나 약한 탐지가 누락된다면 시도해 보세요 ByteTrack.

• 객체에 심한 가림이나 비선형 운동이 발생한다면 시도해 보세요 OC-SORT.

다음의 세 탐지 세트를 출력합니다:

• tracked_detections: 할당된 트랙 ID가 있는 모든 확정된 추적 탐지.

• new_instances: 트랙 ID가 처음 나타나는 탐지.

• already_seen_instances: 이전 프레임에서 트랙 ID가 이미 확인된 탐지.

블록은 각 ...마다 별도의 트래커 상태와 인스턴스 캐시를 유지합니다 video_identifier, 단일 워크플로 내에서 여러 스트림 추적을 가능하게 합니다.

유형 식별자

단계에서 다음 식별자를 사용하세요 "type" 필드: roboflow_core/trackers_sort@v1 워크플로우에 이 블록을 단계로 추가하려면.

속성

이름	유형	설명	참조
name	str	이 단계에 대한 고유 식별자를 입력하세요..	❌
minimum_iou_threshold	float	기존 트랙과 탐지를 연결하는 데 필요한 최소 IoU입니다. 기본값: 0.3..	✅
minimum_consecutive_frames	정수	확정된 트랙으로 출력되기 전에 트랙이 일치해야 하는 연속 프레임 수(tracker_id != -1). 기본값: 3..	✅
lost_track_buffer	정수	일치하는 탐지를 잃은 후에도 트랙을 유지할 프레임 수입니다. 값이 높을수록 가림 복구가 향상됩니다. 기본값: 30..	✅
track_activation_threshold	float	새 트랙을 생성하는 데 필요한 최소 탐지 신뢰도입니다. 이 임계값 미만의 탐지는 새 트랙 생성에 사용되지 않습니다. 기본값: 0.25..	✅
instances_cache_size	정수	new/already-seen 분류를 위해 인스턴스 캐시에 유지되는 최대 트랙 ID 수입니다. FIFO 방식으로 제거됩니다. 기본값: 16384..	❌

이 참조 열은 워크플로우 런타임에서 사용 가능한 동적 값으로 속성을 매개변수화할 수 있는 가능성을 나타냅니다 워크플로우 런타임입니다. 자세한 내용은 바인딩 을 참조하세요.

런타임 호환성

소프트 - 런타임 호스팅 서버리스, 전용 배포; 실행 원격; 입력 비디오 : 이 블록은 프로세스 메모리에서 비디오별 상태를 유지합니다(video_metadata.video_identifier로 키 지정). 상태 비저장 또는 다중 복제 HTTP 런타임에서 원격 단계 실행을 사용하면 연속 요청이 서로 다른 작업자 프로세스에서 처리될 수 있으므로, 상태가 호출 사이에 초기화되어 추적 / 카운팅 / 집계를 위한 출력은 의미가 없어집니다. 안정적인 프레임 간 결과를 위해 지속적인 WebRTC 세션에서 로컬 단계 실행을 사용하세요.

소프트 - 입력 이미지 : 이 블록은 비디오나 반복 프레임 워크플로의 시간적 문맥에 의존합니다. 정지 이미지/사진에는 추적, 비교, 집계 또는 시각화할 의미 있는 히스토리가 없으므로 이 블록은 거의 또는 전혀 이점을 제공하지 않습니다.

입력 및 출력 바인딩

사용 가능한 연결은 바인딩 유형에 따라 달라집니다. 어떤 바인딩 유형인지 확인하세요 SORT Tracker 버전 v1 을 가지고 있는지.

입력 및 출력 바인딩

• 입력

  • 이미지 (이미지): 비디오 메타데이터(fps 및 video_identifier)가 포함된 입력 이미지. 비디오별 트래커 상태를 초기화하고 조회하는 데 사용됩니다..

  • detections (Union[rle_instance_segmentation_prediction, object_detection_prediction, instance_segmentation_prediction, keypoint_detection_prediction]): 현재 프레임에서 추적할 탐지 예측값..

  • minimum_iou_threshold (0에서 1 사이의 실수): 기존 트랙과 탐지를 연결하는 데 필요한 최소 IoU입니다. 기본값: 0.3..

  • minimum_consecutive_frames (정수): 확정된 트랙으로 출력되기 전에 트랙이 일치해야 하는 연속 프레임 수(tracker_id != -1). 기본값: 3..

  • lost_track_buffer (정수): 일치하는 탐지를 잃은 후에도 트랙을 유지할 프레임 수입니다. 값이 높을수록 가림 복구가 향상됩니다. 기본값: 30..

  • track_activation_threshold (0에서 1 사이의 실수): 새 트랙을 생성하는 데 필요한 최소 탐지 신뢰도입니다. 이 임계값 미만의 탐지는 새 트랙 생성에 사용되지 않습니다. 기본값: 0.25..

• 출력

  • tracked_detections (Union[object_detection_prediction, instance_segmentation_prediction, keypoint_detection_prediction, rle_instance_segmentation_prediction]): sv.Detections(...) 객체 형태의 탐지된 바운딩 박스 예측, 다음 경우 object_detection_prediction 또는 sv.Detections(...) 객체 형태의 탐지된 바운딩 박스 및 세그멘테이션 마스크 예측, 다음 경우 instance_segmentation_prediction 또는 탐지된 바운딩 박스와 탐지된 키포인트가 포함된 sv.Detections(...) 객체 형태의 예측이며, keypoint_detection_prediction 또는 탐지된 바운딩 박스와 RLE로 인코딩된 세그멘테이션 마스크를 포함한 sv.Detections(...) 객체 형태의 Prediction, 만약 rle_instance_segmentation_prediction.

  • new_instances (Union[object_detection_prediction, instance_segmentation_prediction, keypoint_detection_prediction, rle_instance_segmentation_prediction]): sv.Detections(...) 객체 형태의 탐지된 바운딩 박스 예측, 다음 경우 object_detection_prediction 또는 sv.Detections(...) 객체 형태의 탐지된 바운딩 박스 및 세그멘테이션 마스크 예측, 다음 경우 instance_segmentation_prediction 또는 탐지된 바운딩 박스와 탐지된 키포인트가 포함된 sv.Detections(...) 객체 형태의 예측이며, keypoint_detection_prediction 또는 탐지된 바운딩 박스와 RLE로 인코딩된 세그멘테이션 마스크를 포함한 sv.Detections(...) 객체 형태의 Prediction, 만약 rle_instance_segmentation_prediction.

  • already_seen_instances (Union[object_detection_prediction, instance_segmentation_prediction, keypoint_detection_prediction, rle_instance_segmentation_prediction]): sv.Detections(...) 객체 형태의 탐지된 바운딩 박스 예측, 다음 경우 object_detection_prediction 또는 sv.Detections(...) 객체 형태의 탐지된 바운딩 박스 및 세그멘테이션 마스크 예측, 다음 경우 instance_segmentation_prediction 또는 탐지된 바운딩 박스와 탐지된 키포인트가 포함된 sv.Detections(...) 객체 형태의 예측이며, keypoint_detection_prediction 또는 탐지된 바운딩 박스와 RLE로 인코딩된 세그멘테이션 마스크를 포함한 sv.Detections(...) 객체 형태의 Prediction, 만약 rle_instance_segmentation_prediction.

예시 JSON 정의

{
	    "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>"
	}