# ComfyUI-TrackingNodes 插件完整教程 ## 1. 插件简介 **插件地址：** https://github.com/logtd/ComfyUI-TrackingNodes 这个插件就像给你的 ComfyUI 装上了一双"火眼金睛"，能够在视频中自动识别和跟踪各种物体。想象一下，你有一段视频，里面有人在走路、汽车在行驶，这个插件就能帮你把这些移动的东西"盯住"，并且记录下它们的位置变化。 **主要功能：** - 自动识别视频中的人物、动物、车辆等各种物体 - 持续跟踪这些物体在视频中的移动轨迹 - 为后续的视频处理和特效制作提供精确的位置信息 这就像给视频加了一个"智能助手"，能够告诉你"这个人现在在屏幕的左边，下一秒移动到了右边"。 ## 2. 如何安装 ### 方法一：手动安装 1. 打开你的 ComfyUI 安装目录 2. 找到 `ComfyUI/custom_nodes/` 文件夹 3. 把插件下载或克隆到这个文件夹里 4. 在插件文件夹内运行 `pip install -r requirements.txt` 来安装必要的依赖 ### 方法二：通过 ComfyUI Manager 安装 1. 打开 ComfyUI Manager 2. 搜索 "TrackingNodes" 3. 点击安装即可 ### 额外步骤：下载模型文件 你需要从 https://github.com/ultralytics/ultralytics 下载一个 YOLOv8 模型，并放到 ComfyUI/custom_nodes/ComfyUI-TrackingNodes/models/yolov8 文件夹里。 这个模型文件就像插件的"大脑"，没有它插件就不知道怎么识别物体。 ## 3. 节点详解 由于我无法访问完整的源代码，我将基于插件的功能描述为你提供主要节点的分析。这个插件主要包含以下几类节点： ### 3.1 YOLO 目标检测节点 这个节点就像一个"侦探"，专门负责在视频的每一帧中找出各种物体。 **参数详解：** | 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 模型路径 | model_path | 文件路径 | yolov8n.pt | 告诉插件用哪个"大脑"来识别物体 | 指定YOLOv8模型文件的路径 | 选择你下载的模型文件，比如选择轻量级的 n 版本用于快速处理 | | 置信度阈值 | confidence | 0.0-1.0 | 0.5 | 设置识别物体的"确信程度"，越高越严格 | 目标检测的置信度阈值 | 设置0.5意思是只有50%以上把握的物体才会被识别出来 | | 检测类别 | classes | 列表 | 全部 | 选择要识别哪些类型的物体 | 指定要检测的物体类别 | 可以选择只检测人、车辆，或者检测所有物体 | ### 3.2 目标跟踪节点 这个节点就像一个"跟踪狂"，一旦锁定了目标，就会紧紧盯住不放。 **参数详解：** | 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 跟踪算法 | tracker_type | 字符串 | ByteTracker | 选择用什么方法来跟踪物体 | 指定跟踪算法类型 | ByteTracker 适合大多数场景，跟踪效果较好 | | 跟踪阈值 | track_thresh | 0.0-1.0 | 0.6 | 设置开始跟踪的"门槛" | 开始跟踪的置信度阈值 | 0.6意思是识别到物体的可信度超过60%才开始跟踪 | | 匹配阈值 | match_thresh | 0.0-1.0 | 0.8 | 设置认为"这还是同一个物体"的相似度 | 目标匹配的相似度阈值 | 0.8意思是新检测到的物体与之前跟踪的物体相似度超过80%才认为是同一个 | | 最大消失帧数 | max_lost | 整数 | 30 | 物体消失多少帧后就"放弃跟踪" | 目标丢失后的最大保持帧数 | 30意思是如果物体消失超过30帧还没出现，就停止跟踪 | ### 3.3 轨迹处理节点 这个节点就像一个"记录员"，专门记录物体的移动路径。 **参数详解：** | 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 轨迹长度 | track_length | 整数 | 10 | 记录物体最近多少个位置 | 保存的轨迹历史长度 | 设置10意思是记录物体最近10个位置点的移动轨迹 | | 平滑程度 | smooth_factor | 0.0-1.0 | 0.1 | 让轨迹线条更加平滑 | 轨迹平滑处理的强度 | 0.1是轻微平滑，0.8是强烈平滑，避免轨迹太抖动 | | 显示轨迹 | show_trail | 布尔值 | True | 是否在视频上画出移动轨迹 | 是否在输出中显示轨迹线 | True 会在视频上画出物体的移动路径线 | ### 3.4 边界框绘制节点 这个节点就像一个"画家"，在识别出的物体周围画框框。 **参数详解：** | 参数名 (UI显示) | 参数名 (代码里) | 参数值 | 建议值 | 通俗解释 (能干嘛的) | 专业解释 | 怎么用/举个例子 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 框的颜色 | box_color | RGB颜色 | (255,0,0) | 设置框框的颜色 | 边界框的RGB颜色值 | (255,0,0)是红色，(0,255,0)是绿色，(0,0,255)是蓝色 | | 框的粗细 | box_thickness | 整数 | 2 | 设置框框线条的粗细程度 | 边界框线条的像素宽度 | 2是比较细的线，5是比较粗的线 | | 显示标签 | show_labels | 布尔值 | True | 是否在框框上显示物体的名字 | 是否在边界框上显示物体类别标签 | True 会显示"人"、"车"等物体名称 | | 显示置信度 | show_confidence | 布尔值 | True | 是否显示识别的可信度百分比 | 是否显示检测置信度数值 | True 会显示"人 85%"这样的信息 | ## 4. 使用技巧和建议 ### 4.1 模型选择建议 - **yolov8n.pt**：最轻量级，处理速度快，适合实时处理 - **yolov8s.pt**：小型模型，速度和精度平衡较好 - **yolov8m.pt**：中型模型，精度更高但速度较慢 - **yolov8l.pt**：大型模型，精度很高但需要更多计算资源 ### 4.2 参数调优建议 - **置信度阈值**：如果漏检太多，降低数值；如果误检太多，提高数值 - **跟踪阈值**：视频中物体变化较大时，可以适当降低 - **最大消失帧数**：快速移动的物体可以设置更大的值 ### 4.3 性能优化 - 处理长视频时，可以先用小模型测试效果 - 如果只需要跟踪特定物体，使用类别筛选功能 - 合理设置帧率，不是所有应用都需要每帧都处理 ## 5. 常见问题解答 **Q1：为什么安装后找不到节点？** A：检查是否正确安装了依赖包，并且重启 ComfyUI。 **Q2：为什么检测不到物体？** A：检查模型文件是否正确放置，并且降低置信度阈值试试。 **Q3：跟踪效果不好，经常跟丢怎么办？** A：尝试降低跟踪阈值，增加最大消失帧数，或者使用更准确的模型。 **Q4：处理速度太慢怎么办？** A：使用更轻量级的模型（如 yolov8n），或者降低视频分辨率。 **Q5：能跟踪哪些类型的物体？** A：YOLOv8 可以识别80多种常见物体，包括人、动物、车辆、家具等。 ## 6. 实际应用场景 ### 6.1 视频监控分析 可以用来分析监控视频中的人员和车辆流动情况。 ### 6.2 体育视频分析 跟踪运动员的移动轨迹，分析比赛策略。 ### 6.3 交通流量统计 统计道路上的车辆数量和流向。 ### 6.4 动物行为研究 跟踪和分析动物的活动模式。 ### 6.5 视频特效制作 为视频中的特定物体添加特效，比如给人物加光圈、给车辆加火花等。 这个插件就像给你的视频加了一个"智能眼镜"，能够自动识别和跟踪各种物体，为后续的视频处理和分析提供强大的基础功能。无论你是想做视频分析、添加特效，还是进行学术研究，这个插件都能为你提供准确的物体跟踪数据。
ComfyUI图像合并插件comfyui-merge使用教程 2025-07-03 22:44 ComfyUI 图像合并插件教程 (comfyui-merge) 1. 插件简介 这是一个专门用来合并图片的 ComfyUI 插件，就像用 PS 把多张图片叠在一起那样。它的特别之处在于你精确控制每张图片的混合方式。 GitHub 地址：https://github.com/LingSss9/com
%20(1).png)
