yolov5+deepsort目标检测与跟踪
实现效果
项目下载地址
全部项目代码可私信或评论区留言获取
先看下项目的列表，文件夹不多，只要加载权重和图片就可以实现目标的检测追踪
安装方法
授人以鱼不如授人以渔，学会此技巧，以后工作学习再也不怕配置环境了。
下载好后，输入以下命令：
conda create -n track_yolo5 python==3.7----联系->qq1309399183<-----
然后紧接着使用：
conda activate track_yolo5
其次键入：
pip install -r requirements.txt
完成后就可以接在
上图目录终端输入：python app_track.py 完成yolov5追踪任务。
值得注意的是，如果想换成自己的数据视频，需要在
config.yml里面 source中的1.mp4换成你的视频.
重要代码
import torch import torch.backends.cudnn as cudnn import pandas as pd from infrastructure.handlers.track import Tracker import os os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE" os.environ["OMP_NUM_THREADS"] = "1" os.environ["OPENBLAS_NUM_THREADS"] = "1" os.environ["MKL_NUM_THREADS"] = "1" os.environ["VECLIB_MAXIMUM_THREADS"] = "1" os.environ["NUMEXPR_NUM_THREADS"] = "1" import sys lib_path = os.path.abspath(os.path.join('infrastructure', 'yolov5')) sys.path.append(lib_path) tracker = Tracker(config_path="../../settings/config.yml") with torch.no_grad(): tracker.detect() print(------------1)
此代码包含了目标检测的加载和追踪的代码，值得一行行dehug来学习和提升。！！
推理结果
下图为我本人的数据视频结果的截图，可见该模型在检测区域效果良好，达到了毕业设计的水平。
下图为动态图，原文中的效果，其加载Yolov5 和deepsort权重后，效果yyds！！！！
