3 分钟上手 BoxMOT：给任意检测模型装上多目标追踪的开源方案

3 分钟上手 BoxMOT：给任意检测模型装上多目标追踪的开源方案

【免费下载链接】boxmotBoxMOT: Pluggable Python and C++ SOTA multi-object tracking modules with support for axis-aligned and oriented bounding boxes项目地址: https://gitcode.com/GitHub_Trending/bo/boxmot

BoxMOT 是一个插件式多目标追踪（MOT）工具包，把 ByteTrack、BoT-SORT、DeepOcSORT 等主流追踪器做成了可插拔模块。你的检测、分割或姿态模型只要输出边界框，就能立刻接上追踪，获得稳定的目标 ID。它同时支持 Python 与 C++ 双实现，覆盖 MOT17、MOT20、DanceTrack 等基准的本地评估，适合想快速验证追踪效果的新手和研究团队。

🚀 安装依赖与快速开始

环境要求很简单：Python 3.10 ~ 3.13，一条命令装完所有依赖：

pip install boxmot

装好后用这条最简命令打开摄像头做实时追踪，几秒钟就能看到带 ID 的框：

boxmot track --source 0 --detector yolo26n --reid lmbn_n_duke --tracker occluboost --show

如果你更喜欢从源码开始（方便贡献或定制），可以克隆仓库：

git clone https://gitcode.com/GitHub_Trending/bo/boxmot

跑通第一条命令后，boxmot --help里的每个子命令都值得点开看一眼：track、eval、tune、export、materialize 都围绕同一套组件体系设计，互相之间可以复用检测结果。

📊 追踪器性能对比与选型建议

仓库在 MOT17 ablation、SportsMOT、MMOT OBB 三个基准上给出了各追踪器的实测指标（括号为 C++ 后端的分数），整理如下：

选型上可以这样简化：

• 要精度：直接用 occluboost 或 botsort，前者 MOT17 三项指标都是第一。
• 要速度：bytetrack 和 ocsort 不依赖外观嵌入，纯运动关联，在 CPU 上也能跑出很高 FPS。
• ID 频繁切换：boosttrack 的 IDF1 很高，适合目标互相遮挡频繁的监控、赛事画面。

每个追踪器的参数说明都在 docs/trackers/ 目录下，想深入某一种算法时按名找对应文档即可。

🛠️ 常用场景实操

实时追踪摄像头或视频

track子命令是日常用得最多的入口，--source支持摄像头编号、视频文件、图片、目录或 URL：

boxmot track --source video.mp4 --detector yolov8n \ --reid osnet_x0_25_msmt17 --tracker botsort --save

--save会把结果视频写到 runs 目录；--device cuda:0可指定 GPU。

效果评估

eval负责在标准数据集上打分。比如复现 MOT17 ablation 分割上的 botsort 结果：

boxmot eval --dataset mot17 --split ablation \ --detector yolox-x-mot17 --reid lmbn-n-duke --tracker botsort

也有仓库自带的迷你数据集可以直接跑通流程，数据在 assets/ 目录下，例如 MOT17-mini。检测结果和外观嵌入会缓存下来，之后换追踪器评估时无需重复推理。

超参调优

追踪器的 IoU 阈值、最大缺失帧数等参数对最终指标影响不小。tune子命令用多目标进化算法自动搜索，把最优组合写回配置文件：

boxmot tune --dataset mot17 --split ablation \ --detector yolox-x-mot17 --reid lmbn-n-duke --tracker botsort --n-trials 200

导出 ReID 模型

需要部署到边缘设备时，可以把 ReID 权重导出成 ONNX、OpenVINO 或 TensorRT 格式：

boxmot export --weights osnet_x0_25_msmt17.pt --include onnx --device cpu

📚 资源与延伸阅读

• 官方文档入口：docs/index.md，按模式组织的命令手册在 docs/modes/
• 各追踪器原理与参数详解：docs/trackers/
• 追踪器实现源码：boxmot/trackers/，公共基础设施在common/子目录
• 数据集配置（MOT17/MOT20/DanceTrack/SportsMOT 等）：boxmot/configs/datasets/
• 示例笔记本：Torchvision 检测追踪在 examples/det/torchvision_boxmot.ipynb，姿态与分割追踪同理放在 examples 对应子目录
• 贡献与测试流程：CONTRIBUTING.md

跑通第一条boxmot track命令之后，建议先拿迷你数据集做一次eval，建立对 HOTA、MOTA、IDF1 三个指标的直观感受，再去调参，效率会高很多。

【免费下载链接】boxmotBoxMOT: Pluggable Python and C++ SOTA multi-object tracking modules with support for axis-aligned and oriented bounding boxes项目地址: https://gitcode.com/GitHub_Trending/bo/boxmot