【MOT多目标跟踪】最简单的demo

最新推荐文章于 2024-06-21 18:13:21 发布

待磨的钝刨

最新推荐文章于 2024-06-21 18:13:21 发布

阅读量425

点赞数 5

文章标签：目标跟踪人工智能计算机视觉

本文链接：https://blog.csdn.net/ban102055/article/details/137104195

版权

本文详细介绍了如何在Python环境下利用Yolov8进行物体检测模型的训练，包括创建conda环境、下载代码、配置参数以及使用自带追踪脚本进行追踪的过程。重点讨论了训练命令和追踪算法的选择，如botSORT和bytetrack。

摘要由CSDN通过智能技术生成

1.yolov8训练检测模型

这部分就不赘述了，用命令快速训练，然后进行追踪。

1.1.创建conda环境

conda create -n 环境名 python=3.9

conda create -n yololv8 python=3.11

其他常用conda命令：

# 克隆环境
conda create -n B --clone A  （B代表新环境名，A原环境名）
# 升级python版本
conda install  python=3.10.9
#移除conda环境
conda remove -n 环境名 --all
# 配置国内源下载
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
pip config set global.index-url http://mirrors.aliyun.com/pypi/simple/ && pip config set install.trusted-host mirrors.aliyun.com

1.2.下载代码和环境

pip install ultralytics

1.3.YOLOv8训练代码及解释

以下是提供的代码的解释：

yolo train data=./dataset_Attention/data.yaml model=yolov8s.pt epochs=100 device=0,1,2,3,4,5,6,7 imgsz=640 batch=256

yolo: YOLOv8的命令行工具。
train: 指定进行训练操作。
data=./dataset_Attention/data.yaml: 指定包含数据集信息的YAML文件的路径，其中包括数据集的配置和类别信息。
model=yolov8s.pt: 指定初始模型的路径或者使用预训练模型。
epochs=100: 指定训练的轮数，这里设置为100轮。
device=0,1,2,3,4,5,6,7: 指定使用的GPU设备编号。
imgsz=640: 设置输入图像的大小为640x640像素。
batch=256: 设置训练时的批处理大小为256。

2.使用yolov8自带追踪脚本进行追踪

Ultralytics YOLO 支持以下跟踪算法。通过传递相关的 YAML 配置文件（如
tracker=tracker_type.yaml:

BoT-SORT - 使用 botsort.yaml 以启用此跟踪器。
字节跟踪 - 使用 bytetrack.yaml 以启用此跟踪器。

只需要修改model，source的位置就行。

model：训练好的检测模型；source需要追踪的图片或视频。

yolo track model='./runs/detect/train/weights/best.pt' source= './test/video.mp4' tracker="botsort.yaml" save=True

或者python代码

import os
os.environ['KMP_DUPLICATE_LIB_OK'] = 'True'
from ultralytics import YOLO
# Load a pretrained YOLOv8n model
model = YOLO('./runs/detect/train/weights/best.pt')
# Define path to the image file
source =  './test/video.mp4' 
reults = model.track(source , show= True, tracker="botsort.yaml",save=True)