基于深度学习yolov5+lpr3+deepsort的交通识别检测系统python源码+模型+数据+说明.zip

# 中山大学深度学习大作业--yolov5+lpr3+deepsort交通识别检测系统 本次大作业，我们小组完成了基于[Yolov5](https://github.com/ultralytics/yolov5) 的车型、行人、车牌检测，基于[lpr3](https://github.com/szad670401/HyperLPR)的车牌号码识别以及基于[deepsort](https://github.com/dyh/unbox_yolov5_deepsort_counting)的车流量计数任务，并将所有功能集成为一体，完成了一个交互式的交通识别检测GUI系统。    ## Our Idea 我们首先选用了速度更快的Yolov5作为基模型，完成10种车型，行人的目标检测任务。在此基础上，我们使用了封装好的lpr3库完成了车牌的检测任务，并以deepsort为基础完成了4种类别的目标流量计数。最后我们将所有的功能封装进了该GUI系统中，以用于车辆实时计数。 ## Installation **！！！注意！！！** 由于本项目过大，在此仅展示核心代码，请点击[此链接](https://drive.google.com/file/d/1U3-Bq-sWQ0DcAHOL3HjDh71Z-cffA2OS/view?usp=sharing)手动下载完整的项目 环境配置： ``` cd traffic-detect-GUI pip install -r requirements.txt ``` 若要在本地电脑运行GUI系统，还需要安装[QT Designer](https://blog.csdn.net/qq_32892383/article/details/108867482)。请依据连接中给出的参考下载步骤安装。 ## How To Run? ### Quick Start 运行我们的GUI界面： ``` python mymain.py ``` 如果视频较长或视频中车流量较慢，在不使用GPU加速的情况下检测需要一定时间，待界面左下角提示 **Ready!** 时，便可点击 **开始** 查看结果。 ### Pre-trained Models 您可以在[此处](https://drive.google.com/file/d/1qMw3ofK_nJauSrvDFTfoThprqvynLgB7/view?usp=sharing)下载我们的yolov5车型+行人识别预训练模型。