嘿，我来帮你搞定这个问题！你现在用的是YOLOv8的追踪功能，其实results变量里已经藏着所有检测/追踪到的目标信息了，只是你还没把它提取出来而已～

你当前的代码里，model.track()返回的results是包含每帧检测结果的对象集合，咱们可以直接从里面提取目标的各类信息，比如追踪ID、类别、置信度、坐标这些。下面给你调整代码，顺便讲讲怎么用：

from ultralytics import YOLO

model = YOLO("/media/aceryohan/_Yohan/Pycharm projects/myfirstproject/computer vision/best.pt")

# 用stream=True开启逐帧处理，适配实时摄像头的场景
for result in model.track(source=2, show=True, tracker="bytetrack.yaml", stream=True):
    # 先判断当前帧是否检测到目标（且开启追踪后有track_id）
    if result.boxes.id is not None:
        # 把GPU上的张量转到CPU，再转成numpy数组方便后续处理
        track_ids = result.boxes.id.cpu().numpy().astype(int)
        class_ids = result.boxes.cls.cpu().numpy().astype(int)
        confidences = result.boxes.conf.cpu().numpy()
        # xyxy格式是左上角+右下角坐标，需要中心坐标+宽高的话可以用xywh
        boxes = result.boxes.xyxy.cpu().numpy()

        # 逐个遍历目标，输出详细信息
        for track_id, class_id, conf, box in zip(track_ids, class_ids, confidences, boxes):
            # 通过类别ID获取对应的类别名称
            class_name = result.names[class_id]
            print(f"追踪ID: {track_id}, 类别: {class_name}, 置信度: {conf:.2f}, 坐标: {box}")
    else:
        # 没检测到目标时的提示（可选）
        print("当前帧未检测到目标")

给你划几个关键细节：

• 加stream=True：这样能逐帧处理摄像头画面，而不是只返回最后一帧的结果，更适合实时场景
• result.boxes是核心：里面包含所有检测框的关键数据——id是追踪ID（仅track模式有），cls是类别ID，conf是置信度，xyxy是坐标
• .cpu()的作用：YOLOv8默认用GPU计算，张量存在GPU内存里，得转到CPU才能转成numpy数组方便后续操作
• 如果不需要追踪，只是单纯检测目标：去掉tracker参数，忽略track_ids部分即可，其他提取逻辑完全通用

这样你就能拿到每个检测目标的详细信息，不管是存数据还是做后续处理都没问题～

备注：内容来源于stack exchange，提问作者ubuntu_is_life