YoloV5 + deepsort + Fast-ReID---- 视频检测问题解决

原链接:YoloV5 + deepsort + Fast-ReID 完整行人重识别系统(三)_songlixiangaibin的博客-CSDN博客_yolov5+deepsort经过一下午的看源码无疾而终,甚至搬运了其他代码过来发现不好用。最终是再看了一边底层的dataset里面的代码,其实是有完整的image和video处理类,但是为什么不能使用。

再看一次person_count代码,发现原博主没有写条件分支,如下图116行,这是我从原来Loadimage改到了LoadWebcam才可以使用视频流。

最后一步只需要修改入参即可,如下图,在324行加入一条source参数,default可以是“0”也可以是rtsp流,都已经测试成功,记得还要再340行的path修改为args.source,就可以直接run那个personcount.py了~~~

 

 

 

  • 8
    点赞
  • 24
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
### 回答1: b'yolov5'、'deepsort' 和 'fast-reid' 都是计算机视觉领域的开源代码库。b'yolov5' 是一种目标检测算法,采用卷积神经网络进行目标检测。'deepsort' 是一种多目标跟踪算法,可以对多个目标进行跟踪。'fast-reid' 是一种人脸识别算法库,可用于训练和部署人脸识别算法。这些算法库都可以在许多不同的应用程序中使用,如视频监控和自动驾驶。 ### 回答2: YOLOv5,DeepSORT和FastReID都是目标检测和追踪领域的优秀算法。 首先,YOLOv5是目标检测算法中的一种,该算法基于深度卷积神经网络实现快速高效的目标检测。与YOLOv3相比,YOLOv5具有更高的精度和速度,并且在小目标检测和极端环境下的目标检测方面表现出色。该算法对大型数据集进行了准确性与效率之间的平衡。 其次,DeepSORT是一种基于深度学习的目标跟踪算法,可以实现对运动目标的实时跟踪。该算法可以对运动目标进行高质量的检测和跟踪,并且可以解决在多目标、交叠目标、视角变化和遮挡等复杂情况下的目标跟踪问题。该算法可以用于视频监控、自动驾驶等应用领域。 最后,FastReID是一种用于人物识别和关键点检测的深度学习算法。该算法可以进行快速和 accurate 的人物识别,同时可以检测出人物的关键点。该算法可以用于视频监控、人物识别、智能人脸识别等多个应用领域。 三种算法都是基于深度学习的优秀算法,可以在视觉领域中实现高效的目标检测和跟踪,并且各有所长。在实际应用中,可以根据场景和需求选择不同的算法来实现目标检测和跟踪的最优效果。 ### 回答3: Yolov5,DeepSort和Fast-ReID都是计算机视觉领域中非常流行的深度神经网络模型。这些模型都具有出色的目标检测、目标跟踪和人员识别的能力,在安防、工业、医疗等领域中有着广泛的应用。 首先,Yolov5是一种目标检测算法,它使用深度学习技术和卷积神经网络,可以快速并且准确地检测图像中的各种物体,并且可以在低延迟的情况下运行。Yolov5可以快速地检测到图像中的物体,并将其分类为不同的类别。它的检测准确度较高,在速度和精度之间达到了一个很好的平衡。 其次,DeepSort是一种多目标跟踪算法,它是在目标检测的基础上,进行多目标跟踪的一种算法。DeepSort通过提供一个深度嵌入器进行目标匹配,这个嵌入器使用卷积神经网络来学习目标的视觉特征,使多目标跟踪算法具有更加准确的匹配能力。 最后,Fast-ReID是一种人员识别算法,它通过深度学习技术,学习人员在图像中的特征,从而进行人员识别。Fast-ReID具有高精度和高效率的特点,可以在大规模数据集上进行快速的人员识别。 总之,Yolov5、DeepSort和Fast-ReID都是非常优秀的深度神经网络模型,它们在目标检测、目标跟踪和人员识别方面具有出色的性能,为计算机视觉领域的应用提供了重要的支持。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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