YOLO26 Track并不是一个独立训练出来的YOLO26网络 。Track的核心价值就是让目标拥有跨帧持续存在的身份ID。
Ultralytics跟踪器(tracker)的输出结果与标准目标检测一致，但增加了目标ID信息。
要使用YOLO26 Track需使用已训练的Detect, Segment, Pose, or OBB模型。
Ultralytics YOLO内置了六个跟踪器。要启用其中一个跟踪器，只需将其YAML配置文件传递给跟踪器参数即可：BoT-SORT、ByteTrack、OC-SORT、Deep OC-SORT、FastTracker、TrackTrack。若未指定，默认使用TrackTrack(tracktrack.yaml)。
跟踪模式model.track与预测模式(model.predict)共享一些属性，如conf、iou、show等。也可以修改跟踪配置文件，只需从ultralytics/cfg/trackers目录中复制一个跟踪器配置文件(例如custom_tracker.yaml)，然后根据你的需要修改所有配置(tracker_type除外)。
跟踪器配置文件支持的参数描述见：https://docs.ultralytics.com/modes/track ，每个算法在共享参数的基础上都提供了额外的调节选项。
启用重识别(Re-Identification)：默认情况下，ReID功能处于禁用状态，以最大程度地减少系统开销。你可以通过在跟踪器配置文件中设置'with_reid: True'来启用它。ReID仅支持跟踪功能。
跟踪模式不会训练跟踪器，也不需要特定于跟踪器的数据集。使用相应任务的标准数据集格式训练检测、分割、姿态或OBB模型，然后使用生成的模型通过"model.track()"进行跟踪。所选跟踪器会在推理时将模型的预测结果与帧关联起来。
测试代码如下：
python
def _get_images(dir):
# supported image formats
img_formats = (".bmp", ".jpeg", ".jpg", ".png", ".webp")
images = []
for file in os.listdir(dir):
if os.path.isfile(os.path.join(dir, file)):
# print(file)
_, extension = os.path.splitext(file)
for format in img_formats:
if format == extension.lower():
images.append(file)
break
return images
def predict_track(model_name, yaml, device, verbose, dir_images, dir_result):
model = YOLO(model_name)
os.makedirs(dir_result, exist_ok=True)
images = _get_images(dir_images)
for image in images:
results = model.track(dir_images + "/" + image, persist=True, tracker=yaml, verbose=verbose, device=device)
annotated_frame = results[0].plot() # returns the drawn detection bounding box, category, confidence score, track ID, and other information
cv2.imshow("YOLO26 Tracking", annotated_frame)
if cv2.waitKey(1) & 0xFF == ord("q"):
break
cv2.imwrite(dir_result + "/" + image, annotated_frame)命令如下：
结果如下：
