Yolov5-deepsort-inference

YOLOv5 + DeepSort 用于目标跟踪与计数

‍♂️ 使用 YOLOv5 和 DeepSort 实现车辆与行人实时跟踪与计数

最新版本：https://github.com/Sharpiless/YOLOv11-DeepSort

** 项目简介**

本项目将 YOLOv5 与 DeepSort 相结合，实现了对目标的实时跟踪与计数。提供了一个封装的 Detector 类，方便将此功能嵌入到自定义项目中。

阅读完整博客：【小白CV教程】YOLOv5+Deepsort实现车辆行人的检测、追踪和计数

** 核心功能**

• 目标跟踪：实时跟踪车辆与行人。
• 计数功能：轻松统计视频流中的车辆或行人数。
• 封装式接口：Detector 类封装了检测与跟踪逻辑，便于集成。
• 高度自定义：支持训练自己的 YOLOv5 模型并无缝接入框架。

** 使用说明**

安装依赖

pip install -r requirements.txt

确保安装了 requirements.txt 文件中列出的所有依赖。

运行 Demo

python demo.py

️ 开发说明

YOLOv5 检测器

…

• 调用 self.detect() 方法返回图像和预测结果

DeepSort 追踪器

deepsort = DeepSort(cfg.DEEPSORT.REID_CKPT,
                    max_dist=cfg.DEEPSORT.MAX_DIST, min_confidence=cfg.DEEPSORT.MIN_CONFIDENCE,
                    nms_max_overlap=cfg.DEEPSORT.NMS_MAX_OVERLAP, max_iou_distance=cfg.DEEPSORT.MAX_IOU_DISTANCE,
                    max_age=cfg.DEEPSORT.MAX_AGE, n_init=cfg.DEEPSORT.N_INIT, nn_budget=cfg.DEEPSORT.NN_BUDGET,
                    use_cuda=True)

• 调用 self.update() 方法更新追踪结果

** 训练自己的模型**

如果需要训练自定义的 YOLOv5 模型，请参考以下教程：
【小白CV】手把手教你用YOLOv5训练自己的数据集（从Windows环境配置到模型部署）

训练完成后，将模型权重文件放置于 weights 文件夹中。

** API 调用**

初始化检测器

from AIDetector_pytorch import Detector

det = Detector()

调用检测接口

func_status = {}
func_status['headpose'] = None

result = det.feedCap(im, func_status)

• im: 输入的 BGR 图像。
• result['frame']: 检测结果的可视化图像。

✨ 可视化效果

** 联系作者**

• Bilibili: https://space.bilibili.com/470550823
• CSDN: https://blog.csdn.net/weixin_44936889
• AI Studio: https://aistudio.baidu.com/aistudio/personalcenter/thirdview/67156
• GitHub: https://github.com/Sharpiless

** 许可证**

本项目遵循 GNU General Public License v3.0 协议。
标明目标检测部分来源：https://github.com/ultralytics/yolov5