YOLOv8+DeepSORT多目标车辆跟踪（车辆检测+跟踪+车辆计数）（内附免费资源+部署讲解）

已于 2023-11-15 09:26:01 修改
阅读量2.4w 收藏 492
点赞数 192
文章标签： YOLO python 人工智能 yolov8 深度学习 pytorch
于 2023-10-06 15:33:58 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Little_Carter/article/details/133610076
版权

目录

一、前言

二、开发环境（前提条件）

三、环境搭建教程

3.1、创建虚拟环境

3.2、选择虚拟环境并安装所需要的包

3.3、运行代码步骤

3.3.1、克隆 git 储存库

3.3.2、转到克隆库的文件夹下

3.3.3、安装依赖项

3.3.4、转到检测目录下

3.3.5、用于yolov8物体检测+跟踪+车辆计数

四、效果图

一、前言

欢迎阅读本篇博客！今天我们深入探索YOLOv8+deepsort视觉跟踪算法。结合YOLOv8的目标检测和deepsort的特征跟踪，该算法在复杂环境下确保了目标的准确与稳定跟踪。在计算机视觉中，这种跟踪技术在安全监控、无人驾驶等领域有着广泛应用。本文重点探讨基于此算法的车辆检测、跟踪及计数。演示效果如下：

二、开发环境（前提条件）

1、Anaconda3 环境

2、pycharm 代码编辑器

3、虚拟环境 python 3.8

（安装教程：Anaconda3+pycharm安装教程）（强烈推荐√）

（代码安装资源：YOLOv8-Deepsort 免费源码）（强烈推荐√）

因为看到很多开源的资源都是要么付费，要么需要vip才能下载，实在看不下去了！！！所以我决定代码直接免费，这么良心的博主不给个点赞+关注+收藏嘛 (๑′ᴗ‵๑)

三、环境搭建教程

3.1、创建虚拟环境

首先打开anaconda prompt，输入conda env list查看环境列表，如果没有安装虚拟环境，会显示只有一个base。

然后输入指令：

conda create -n YOLOv8-Deepsort python=3.8

接着输入y，等待安装完毕，即可创建好虚拟环境。

（注意：YOLOv8-Deepsort 是我自己命名的环境名称，可随意命名。）

等待安装好后再次输入：

conda env list

查看环境列表，此时环境中就会多出自己创建的虚拟环境了。

3.2、选择虚拟环境并安装所需要的包

输入 conda activate YOLOv8-Deepsort 进入你的虚拟环境

conda activate YOLOv8-Deepsort

如果前面的括号里由原来的base变成了你的虚拟环境名称，那么恭喜你，环境选择成功了哟！ 

3.3、运行代码步骤

3.3.1、克隆 git 储存库

git clone https://github.com/MuhammadMoinFaisal/YOLOv8-DeepSORT-Object-Tracking.git

也可以点击这个资源免费下载：YOLOv8-Deepsort 免费源码（强烈推荐）

3.3.2、转到克隆库的文件夹下

cd YOLOv8-DeepSORT-Object-Tracking

3.3.3、安装依赖项

pip install -e ".[dev]"

3.3.4、转到检测目录下

cd ultralytics/yolo/v8/detect

3.3.5、用于yolov8物体检测+跟踪+车辆计数

python predict.py model=yolov8l.pt source="test3.mp4" show=True

四、效果图

运行完以上那些命令就可以像视频那样的效果啦(～￣▽￣)～

五、可能出现的Error（如果出现报错请看这个）

AttributeError: module 'numpy' has no attribute 'float'

Set the environment variable HYDRA_FULL_ERROR=1 for a complete stack trace.

出现以上的报错呢，可以这样改，我使用的numpy版本是1.24，但是从代码中所用的代码是依赖于旧版本的Numpy。您可以将你的Numpy版本降级到1.23.5。

pip install numpy==1.23.5

然后再运行上面那个用于yolov8物体检测+跟踪+车辆计数的运行命令即可。

YOLOv8添加DeepSORT目标追踪算法
weixin_70423469的博客
08-10 5554
多目标追踪算法核心思想是将目标检测和目标跟踪分离开来，首先使用目标检测算法对视频帧中的目标进行检测，然后将检测到的目标转化为特征向量，使用深度学习模型对目标特征进行学习， 最后使用==卡尔曼滤波器==对目标进行跟踪，实现对目标的连续跟踪。其中运行命令的时候会出现很多报错，大部分是应为环境的关系，还有一些包版本冲突问题，这里因为已经过一段时间了，我当时报错没有记录下来，都是一条条去解决的，问题不是很大，如果有报错不会的可以私信我，尽量看看。然后按照readme文档将环境配置好。进入到detect中。
YOLOv8-deepsort 实现智能车辆目标检测+车辆跟踪+车辆计数已测
03-04
本资源提供了基于YOLOv8-deepsort算法的智能车辆目标检测、车辆跟踪和车辆计数的实现方案。首先，利用YOLOv8算法对视频中的车辆目标进行检测，并对检测到的目标进行标记。然后，通过deepsort算法对标记的车辆目标进行跟踪，实现车辆目标的持续跟踪。最后，根据跟踪结果对车辆数量进行统计，实现车辆计数功能。本资源提供了完整的代码实现和详细的使用说明，帮助读者快速掌握基于YOLOv8-deepsort的智能车辆目标检测、车辆跟踪和车辆计数技术。
YOLOv8-deepsort 实现智能车辆目标检测+车辆跟踪+车辆计数
10-06
本资源纯属免费，不收任何钱和任何积分，纯粹为爱发电，本资源已经为大家整合好了的，看我的博客部署好直接用：https://blog.csdn.net/Little_Carter/article/details/133610076?spm=1001.2014.3001.5501 资源原本项目源码地址：https://github.com/MuhammadMoinFaisal/YOLOv8-DeepSORT-Object-Tracking 本资源提供了基于YOLOv8-deepsort算法的智能车辆目标检测、车辆跟踪和车辆计数的实现方案。首先，利用YOLOv8算法对视频中的车辆目标进行检测，并对检测到的目标进行标记。然后，通过deepsort算法对标记的车辆目标进行跟踪，实现车辆目标的持续跟踪。最后，根据跟踪结果对车辆数量进行统计，实现车辆计数功能。本资源提供了完整的代码实现和详细的使用说明，帮助读者快速掌握基于YOLOv8-deepsort的智能车辆目标检测、车辆跟踪和车辆计数技术。
yolov8＋deepsort实现多目标跟踪
l15717690526的博客
02-23 1065
在训练yolov8权重的时候一定要注意将类别信息改成自己的信息。把类比什么的改成自己的数据集，数据集的路径也要替换自己的路径。就可以训练自己的数据集了，训练完之后得到自己的权重文件。自己创建一个.yaml文件用于自己数据集的路径选择。工具标注自己的数据集，一定要分清楚自己的类别信息。使用以下代码可以按照比例划分自己的数据集。之后打开命令框输入以下命令进入标注页面。只需要输入好自己数据集的路径就可以开始。将代码里面的nc改成自己的真实类别。修改完之后，运行train.py。然后标注自己的数据集就行。
基于YOLOV5-7.0+DeepSort的目标追踪算法
10-30
基于DeepSORT算法和YOLOv5 7.0版本的目标跟踪实现。DeepSORT是一种强大的多目标跟踪算法，结合YOLOv5 7.0版本的目标检测能力，可以实现高效准确的实时目标跟踪。 基于 YOLOV5 和 DeepSort 的目标追踪算法是一种结合了目标检测和运动预测的方法，用于在视频中实现多目标跟踪。 YOLOV5 是一种目标检测算法，它能够从视频帧中检测出目标对象，并给出其位置信息。具体来说，YOLOV5 通过将视频分解成多幅图像并逐帧执行，能够识别出每帧中的目标对象，并为其分配标签。 DeepSort 是基于 SORT 的目标跟踪算法的改进版。它从 SORT 演变而来，使用卡尔曼滤波器预测所检测对象的运动轨迹，并使用匈牙利算法将它们与新的检测目标相匹配。DeepSort 还整合了外观信息，从而提高 SORT 的性能，这使得在遇到较长时间的遮挡时，也能够正常跟踪目标，并有效减少 ID 转换的发生次数。 在基于 YOLOV5 和 DeepSort 的目标追踪算法中，首先使用 YOLOV5 对视频帧进行目标检测，然后使用 DeepSort 对检测到的目标进行跟踪。具体步
目标跟踪+YOLOv8-deepsort 实现智能车辆跟踪+计数系统源码.zip
04-24
功能 多目标跟踪：可以实现对视频中的多目标进行跟踪。 目标检测：可以实现对视频中的目标进行检测，检测的目标会在视频中进行标注，同时会在视频中显示目标的id，方便进行目标的跟踪。 视频流输入：支持mp4文件，本地摄像头，网络rtsp视频流。 模型参数修改：可以修改跟踪算法和置信度。 多种额外功能：实现了包括越线计数，区域计数，热力图，速度估计，距离估计，单目标跟踪功能。
yolov8+deepsort（yolo目标检测+自适应卡尔曼滤波追踪+毕业设计代码）
QQ_1309399183的博客
11-04 1565
yolov8+deepsort（yolo目标检测+自适应卡尔曼滤波追踪+毕业设计代码）
基于YOLOv8与DeepSORT实现多目标跟踪——算法与源码解析
热门推荐
知来者逆的博客
11-08 2万+
基于目标检测YOLOv8与目标追踪DeepSORT实现的多目标实时追踪，算法原理与源码解析。
YOLOv8 DeepSORT实现智能交通监控-改进yolo单目测距及速度测量-流量计数
QQ_1309399183的博客
10-26 1154
YOLOv8 DeepSORT实现智能交通监控-改进yolo单目测距及速度测量-流量计数
yolov8 + deepsort 用于进行多目标检测（车流统计，人流统计）
liuxuan19901010的博客
05-08 3737
yolov8多目标识别
YOLOv8-DeepSORT-对象跟踪（车辆识别检测）
GH_12138的博客
12-28 1257
本文章为记录使用。
YOLOv8-DeepSORT-code.zip
10-22
YOLOv8-DeepSORT_code.zipYOLOv8-DeepSORT_code.zipYOLOv8-DeepSORT_code.zipYOLOv8-DeepSORT_code.zip YOLOv8-DeepSORT_code.zip
目标跟踪+YOLOv8-deepsort 实现智能车辆跟踪+计数系统
07-09
目标跟踪+YOLOv8-deepsort 实现智能车辆跟踪+计数系统： - 本工程包含源码及详细操作视频 - 里边也包含了环境搭建+demo运行的详细教程 适合研究小白等
目标跟踪+YOLOv8-deepsort 实现智能车辆行人跟踪+多目标计数系统源码.zip
04-22
目标跟踪+YOLOv8-deepsort 实现智能车辆行人跟踪+多目标计数系统源码.zip 功能 多目标跟踪：可以实现对视频中的多目标进行跟踪。 目标检测：可以实现对视频中的目标进行检测，检测的目标会在视频中进行标注，同时会...
yolov5-deepsort行人车辆跟踪检测计数项目源码yolov5+deepsort实现了行人车辆计数源码.zip
10-07
yolov5-deepsort行人车辆跟踪检测计数项目源码yolov5+deepsort实现了行人计数源码.zip代码完整下载可用，确保可以运行。 yolov5-deepsort行人车辆跟踪检测计数项目源码yolov5+deepsort实现了行人计数源码.zip代码...
YOLOv8+DeepSort+PyQt+UI（yolov8目标跟踪+GUI界面）目标跟踪+语义分割+姿态识别
最新发布
02-23 855
。，并将姿态识别与语义分割相结合。 近年来，计算机视觉和目标检测技术发展迅猛，其中YOLOv8和DeepSort成为热门的目标跟踪算法。这两个算法的结合，加上PyQt的强大界面设计功能，可以为用户带来全新的图像处理和目标跟踪体验。本文将介绍如何使用YOLOv8+DeepSort+PyQt+UI实现目标跟踪与GUI界面的完美结合。首先，让我们了解一下YOLOv8和DeepSort算法的原理和特点。YOLOv8是一种基于卷积神经网络的目标检测算法，其快速且准确地检测出图像中的多个目标。DeepSort则是一种基
YOLOv8+DeepSort实现
qq_53545309的博客
08-12 3898
DeepSORT是一种计算机视觉目标跟踪算法，旨在为每个对象分配唯一的ID并跟踪它们。它是SORT（Simple Online and Realtime Tracking，简单在线实时跟踪）算法的扩展和改进版本。SORT是一种轻量级目标跟踪算法，用于处理实时视频流中的目标跟踪问题。DeepSORT引入了深度学习技术，以加强SORT的性能，并特别关注在多个帧之间跟踪目标的一致性。
Yolov8+deepsort结合
2202_76035307的博客
08-15 667
此外，如果在连续TLost帧中没有检测到目标，跟踪将终止该目标的轨迹，其中TLost是一个可配置的参数。如果目标重新出现，跟踪将在新的身份下恢复。数据关联：在数据关联步骤中，目标的边界框信息与检测结果结合，从而形成一个成本矩阵，该矩阵计算每个检测与已知目标的所有预测边界框之间的交并比（IOU）距离。当检测结果与已知的目标相关联时，检测到的边界框信息用于更新目标的状态，包括速度分量，这是通过卡尔曼滤波器框架来实现的。检测：首先，在跟踪流程的第一步，目标检测器被用来检测当前帧中需要跟踪的目标对象。
yolov8 deepsort多目标追踪c++
12-10
YOLOv8和DeepSORT是多目标追踪中常用的两种技术，结合使用可以实现高效的多目标追踪。以下是对YOLOv8和DeepSORT的介绍以及如何在C++中实现多目标追踪的简要说明。 ### YOLOv8 YOLOv8（You Only Look Once version 8）是一种实时的目标检测算法，具有高精度和高速度的特点。它通过卷积神经网络（CNN）来检测图像中的目标，并返回目标的边界框和类别信息。 ### DeepSORT DeepSORT是一种多目标追踪算法，基于SORT（Simple Online and Realtime Tracking）算法进行改进。DeepSORT通过结合目标的外观信息和运动信息来实现更稳定的多目标追踪。它使用深度学习模型来提取目标的特征向量，并通过这些特征向量来进行目标匹配和身份保持。 ### C++实现 在C++中实现YOLOv8和DeepSORT的多目标追踪需要以下几个步骤： 1. **环境配置**： - 安装C++编译器（如g++或clang++）。 - 安装OpenCV库，用于图像处理和视频读取。 - 安装深度学习框架（如TensorFlow C++ API或PyTorch C++ API），用于加载和使用YOLOv8和DeepSORT模型。 2. **加载YOLOv8模型**： - 使用深度学习框架加载预训练的YOLOv8模型。 - 对输入图像进行预处理（如缩放、归一化等）。 - 通过模型进行前向传播，得到目标检测结果。 3. **实现DeepSORT**： - 使用深度学习框架加载预训练的DeepSORT特征提取模型。 - 提取目标的外观特征向量。 - 实现卡尔曼滤波器（Kalman Filter）进行目标运动预测。 - 实现匈牙利算法（Hungarian Algorithm）进行目标匹配。 4. **多目标追踪流程**： - 读取视频帧。 - 对每一帧进行目标检测。 - 提取每个目标的外观特征。 - 更新卡尔曼滤波器。 - 进行目标匹配和身份保持。 - 绘制追踪结果。 ### 示例代码 以下是一个简单的示例代码，展示了如何在C++中结合使用YOLOv8和DeepSORT进行多目标追踪： ```cpp #include <opencv2/opencv.hpp> #include <tensorflow/c/c_api.h> #include <vector> // 加载YOLOv8模型并进行目标检测 std::vector<Object> DetectWithYOLOv8(TF_Session* session, const cv::Mat& frame); // 加载DeepSORT模型并提取特征 std::vector<float> ExtractFeatureWithDeepSORT(TF_Session* session, const cv::Mat& frame, const cv::Rect& bbox); // 多目标追踪类 class MultiObjectTracker { public: MultiObjectTracker(); void Update(const std::vector<Object>& detections, const cv::Mat& frame); void Draw(cv::Mat& frame); private: // 实现卡尔曼滤波器和匈牙利算法 // ... }; int main() { // 初始化TensorFlow会话 TF_Session* yolov8_session = LoadYOLOv8Model(); TF_Session* deepsort_session = LoadDeepSORTModel(); cv::VideoCapture cap("input_video.mp4"); if (!cap.isOpened()) { std::cerr << "Error opening video file" << std::endl; return -1; } MultiObjectTracker tracker; cv::Mat frame; while (cap.read(frame)) { std::vector<Object> detections = DetectWithYOLOv8(yolov8_session, frame); tracker.Update(detections, frame); tracker.Draw(frame); cv::imshow("Multi-Object Tracking", frame); if (cv::waitKey(1) == 27) break; // 按下ESC键退出 } // 释放资源 TF_DeleteSession(yolov8_session, nullptr); TF_DeleteSession(deepsort_session, nullptr); return 0; } ``` ###
评论 141
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

李同学Lino

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值