<div align="center">
<h1> yolov8-deepsort-tracking </h1>
[](https://huggingface.co/spaces/KdaiP/yolov8-deepsort-tracking)
</div>
opencv+yolov8+deepsort的行人检测与跟踪。当然，也可以识别车辆等其他类别。
# 更新历史
2024/3/5：YoloV9模型已添加至WebUI。
2024/2/11更新：清理代码，完善注释。WebUI新增识别目标选择、进度条显示、终止推理、示例等功能。
2023/10/17更新：简化代码，删除不必要的依赖。解决webui上传视频不会清空tracker ID的问题。
2023/7/4更新：加入了一个基于Gradio的WebUI界面
## 安装
环境：Python>=3.8
本项目需要pytorch，建议手动在[pytorch官网](https://pytorch.org/get-started/locally/)根据自己的平台和CUDA环境安装对应的版本。
pytorch的详细安装教程可以参照[Conda Quickstart Guide for Ultralytics](https://docs.ultralytics.com/guides/conda-quickstart/)
安装完pytorch后，需要通过以下命令来安装其他依赖：
```shell
$ pip install -r requirements.txt
```
如果需要使用GUI，需要通过以下命令安装tqdm进度条和Gradio库：
```shell
$ pip install tqdm gradio
```
## 配置(非WebUI)
在main.py中修改以下代码，将输入视频路径换成你要处理的视频的路径：
```python
input_path = "test.mp4"
```
模型默认使用Ultralytics官方的YOLOv8n模型：
```python
model = YOLO("yolov8n.pt")
```
其他支持的模型可以参照[ultralytics官方支持的模型列表](https://docs.ultralytics.com/models/)
例如，如果想要使用YOLOv9模型：
```python
model = YOLO("yolov9c.pt")
```
第一次使用时，会自动从官网下载模型。如果网速过慢，可以在[ultralytics的官方文档](https://docs.ultralytics.com/tasks/detect/)下载模型，然后将模型文件拷贝到程序所在目录下。
## 运行(非WebUI)
运行main.py
推理完成后，终端会显示输出视频所在的路径。
## WebUI界面的配置和运行
demo: [Huggingface demo](https://huggingface.co/spaces/KdaiP/yolov8-deepsort-tracking)
运行app.py，如果控制台出现以下消息代表成功运行：
```shell
Running on local URL: http://127.0.0.1:6006
To create a public link, set `share=True` in `launch()`
```
浏览器打开该URL即可使用WebUI界面
opencv+yolov8+deepsort行人检测与跟踪
版权申诉
112 浏览量
2024-04-30
21:28:49
上传
评论
收藏 50.27MB ZIP 举报
yolov8-deepsort-tracking-main.zip （42个子文件） 
JU-yolov8-deepsort-tracking-main 
test.mp4 1.21MB
yolov8n.pt 6.23MB app.py 10KB main.py 6KB
requirements.txt 213B deep_sort configs deep_sort.yaml 200B utils evaluation.py 3KB __init__.py 0B draw.py 1KB parser.py 1KB log.py 463B asserts.py 316B io.py 4KB tools.py 734B json_logger.py 11KB deep_sort __init__.py 500B sort track.py 7KB kalman_filter.py 11KB __init__.py 0B detection.py 1KB tracker.py 7KB iou_matching.py 3KB preprocessing.py 2KB nn_matching.py 7KB linear_assignment.py 11KB deep_sort.py 5KB deep __init__.py 0B checkpoint ckpt.t7 43.93MB evaluate.py 293B feature_extractor.py 3KB prepare_car.py 6KB model.py 3KB prepare_person.py 4KB original_model.py 3KB
train.jpg 61KB train.py 6KB test.py 2KB README.md 65B
webui.png 1.1MB .gitignore 2KB demo.png 1.48MB README.md 2KB资源评论
