← 回首頁旗艦案例總覽
FLAGSHIP CASE #04
AI 物件追蹤與熱力圖分析系統 (YOLO + ByteTrack + BoT-SORT)
在智慧交通、零售客流分析與智慧安防中，單純「偵測出畫面上有人或車」無法解決業務問題。我們需要知道「每個人從哪裡走來、停留了多久、移動速度多快、是否有逆向或異常徘徊」。鳳凰程式工坊結合 YOLOv8 與最頂級的 ByteTrack / BoT-SORT 多目標追蹤演算法，打造具備軌跡關聯、速度測量與動態熱力圖生成的完整商業級追蹤分析系統。
端到端工業視覺系統工作流程 (Pipeline Architecture)
01
RTSP 多路即時串流解碼
利用 NVDEC 硬體解碼晶片，同時處理 8~16 路 1080P 高畫質監視器串流。
02
YOLOv8 高速特徵檢測
以 100 FPS 以上速度輸出每幀畫面的目標類別與 Bounding Box 邊界框。
03
ByteTrack 卡爾曼濾波與軌跡關聯
利用匈牙利演算法 (Hungarian Algorithm) 進行低分值檢測框二級關聯，避免遮擋遺失 ID。
04
空間透視校正與速度量測
將監視器視角透過透視變換映射為真實路面俯視圖，精準計算車輛即時時速 (km/h)。
05
視覺化熱力圖與雲端儀表板
即時繪製人流軌跡熱力圖 (Heatmap)，並將計數統計以 WebSocket 同步至 Web 前端。
實測數據與方案性能對比 (Benchmark Evaluation)
| 追蹤演算法與指標 | 傳統 SORT (基礎關聯) | DeepSORT (ReID 向量特徵) | 鳳凰 ByteTrack / BoT-SORT 最佳化系統 |
|---|---|---|---|
| MOTA (多目標追蹤準確率) | 61.5% (容易產生大量跳號) | 72.8% | 82.4% (極低 ID Switch 跳號率) |
| 遮擋後 ID 保留能力 (IDF1) | 55.2% (短暫遮擋即丟失) | 70.1% | 79.6% (低分值檢測框深度關聯) |
| 單路串流追蹤延遲 | 18 ms | 45 ms (ReID 網路開銷大) | 8 ms (純卡爾曼關聯極致高速) |
| 即時車速與逆向違規偵測 | 無 (僅像素軌跡) | 需額外二次開發 | 內建透視座標測速與虛擬圍籬告警 |
ByteTrack 的核心精髓：為什麼它能解決「遮擋跳號」？
傳統追蹤演算法在物體被樹木或路燈遮擋時，檢測置信度會從 0.9 降至 0.3，傳統做法會直接丟棄這些低分框，導致物體追蹤 ID 中斷並重新賦予新編號。ByteTrack 創新地提出了 **雙重關聯機制 (Two-stage Association)**：
- 第一階段：將高置信度框與既有軌跡進行高優先級匹配。
- 第二階段：將未匹配上的軌跡，拿去與低置信度框 (0.1 ~ 0.5) 進行二次匈牙利匹配。
這項機制讓被遮擋 50% 以上的人員或車輛依然能完美保持同一個 ID，徹底解決了智慧安防中因短暫遮擋而產生的計數膨脹問題！