基于 YOLO11 的卫星视频小目标检测与多目标跟踪系统，专门针对卫星视频中的车辆检测跟踪任务进行优化。使用官方 Ultralytics 跟踪器（BoT-SORT/ByteTrack），支持ReID功能，输出符合比赛要求的10字段MOT格式结果。
评估指标: score = (MOTA + IDF1) / 2，权重各50%
# 1. 批量处理所有验证视频（必选）
python simple_batch_tracking.py --input_dir data/val --timestamp
# 2. 实时跟踪单个视频（支持GUI）（可选）
python uav_tracking_multi_thread.py data/val/16-4.avi
# 3. 跟踪器性能比较 （可选）
python tracker_comparison.py --input_dir data/val --tracker all
# 4. 结果格式验证（可选）
python test_competition_format.py --results_dir results
# 5. 质量评估（可选）
python self_evaluation.py --results_dir results- ✅ 官方跟踪器: 使用 Ultralytics BoT-SORT（默认，启用ReID）和 ByteTrack
- ✅ 小目标优化: 专门针对卫星视频中的小目标车辆检测优化
- ✅ GUI 界面: 可视化跟踪结果，支持跟踪器切换（按 T 键）
- ✅ 批量处理: 自动处理多个视频文件
- ✅ 比赛格式: 输出符合比赛要求的10字段MOT格式结果
- ✅ 质量评估: 基于MOTA+IDF1的质量评估系统
Tracking_benchmark/
├── 🎯 核心跟踪脚本
│ ├── simple_batch_tracking.py # 批量跟踪（推荐）
│ ├── uav_tracking_multi_thread.py # GUI可视化跟踪
│ └── tracker_comparison.py # 跟踪器性能比较
├── 🔬 评估工具
│ ├── self_evaluation.py # 质量评估（MOTA+IDF1）
│ ├── test_competition_format.py # 格式验证
│ ├── benchmark.py # 性能基准测试
│ └── tracker_score_comparison.py # 跟踪器得分比较
├── 🤖 模型训练验证
│ ├── train.py # 模型训练
│ ├── val.py # 模型验证
│ └── yolo11.yaml # YOLO11模型配置
├── 📊 数据和配置
│ ├── data/ # 原始数据
│ │ ├── train/ # 训练视频和标注
│ │ └── val/ # 验证视频（10个.avi文件）
│ ├── dataset/ # 处理后的数据集
│ │ ├── VOCdevkit/ # 训练数据（YOLO格式）
│ │ ├── images/ # 图像目录
│ │ ├── labels/ # 标注目录
│ │ └── data.yaml # 数据集配置
│ └── cfg/ # 跟踪器配置
│ ├── botsort.yaml # BoT-SORT配置（启用ReID）
│ └── bytetrack.yaml # ByteTrack配置
├── 🔧 工具脚本
│ └── Scripts/ # 数据处理工具
│ ├── check_video_resolution.py
│ ├── detect.py
│ ├── get_FPS.py
│ ├── heatmap.py
│ └── main_profile.py
├── 📈 输出结果
│ ├── results/ # 跟踪结果文件（10个.txt）
│ ├── tracker_comparison/ # 跟踪器比较结果
│ ├── runs/train/ # 训练输出
│ └── logs/ # 日志文件
└── 🏗️ 系统文件
├── trackers/ # 官方跟踪器实现
├── requirements.txt # 依赖包
└── README.md # 项目说明
- Python 3.9+
- PyTorch 2.2.2 (CUDA 12.1)
- Ultralytics 8.3.0+
- OpenCV 4.10.0+
git clone https://github.com/yuchenwu73/Tracking_benchmark.git
cd Tracking_benchmark
conda create -n track python=3.9
conda activate track
pip install torch==2.2.2 torchvision==0.17.2 torchaudio==2.2.2 --index-url https://download.pytorch.org/whl/cu121
pip install -r requirements.txt项目已包含验证数据，位于 data/val/ 目录：
data/val/
├── 14-2.avi # 卫星视频1
├── 15-1.avi # 卫星视频2
├── 16-1.avi # 卫星视频3
├── 16-4.avi # 卫星视频4
├── 22-1.avi # 卫星视频5
├── 22-2.avi # 卫星视频6
├── 22-3.avi # 卫星视频7
├── 25-1.avi # 卫星视频8
├── 25-2.avi # 卫星视频9
└── 5-1.avi # 卫星视频10
python train.py
# 验证模型性能
python val.py# 批量处理所有验证视频
python simple_batch_tracking.py --input_dir data/val --output_dir results# 多线程跟踪，支持GUI和跟踪器切换
python uav_tracking_multi_thread.py data/val/16-4.avi
# GUI 控制键：
# T: 切换跟踪器 (BoT-SORT ↔ ByteTrack)
# Q: 退出程序
# F: 全屏切换
# Space: 暂停/继续
# R: 重置窗口# 比较所有跟踪器性能
python tracker_comparison.py --input_dir data/val --tracker all
# 测试单个跟踪器
python tracker_comparison.py --input_dir data/val --tracker botsort
python tracker_comparison.py --input_dir data/val --tracker bytetrack# 格式验证
python test_competition_format.py --results_dir results
# 质量评估（MOTA+IDF1）
python self_evaluation.py --results_dir results
python benchmark.py跟踪结果采用比赛要求的标准格式（10个字段）：
帧号,目标ID,边界框左上角X,边界框左上角Y,边界框宽度,边界框高度,目标类别,-1,-1,-1
字段说明：
- 帧号：从0开始的帧序号
- 目标ID：跟踪目标的唯一标识符
- 目标类别：固定为1（代表车辆）
- 最后三个字段：固定为-1
示例：
0,1,712.96,195.25,14.36,13.99,1,-1,-1,-1
0,2,997.47,437.26,7.26,6.31,1,-1,-1,-1
1,1,714.12,196.08,14.28,13.87,1,-1,-1,-1
results/
├── 16-4.txt # 视频跟踪结果
├── 14-2.txt
├── ...
└── results.zip # 压缩包（用于提交）
项目使用官方 Ultralytics 跟踪器：
- 配置文件:
cfg/botsort.yaml - 特点: 高精度，支持 ReID 和全局运动补偿
- ReID: 已启用 (
with_reid: True) - 适用: 精度要求高的场景
- 配置文件:
cfg/bytetrack.yaml - 特点: 高效率，速度快
- 适用: 实时性要求高的场景
proximity_thresh: 0.5- ReID匹配的最小IoU阈值appearance_thresh: 0.8- 外观相似度阈值with_reid: True- 启用重识别功能
欢迎提交 Issue 和 Pull Request！
MIT License - 详见 LICENSE 文件