基于 YOLOv5-Deepsort 的车辆与行人目标跟踪及数据集

5星

浏览量: 0

大小:None

文件类型：None

简介：
本研究采用YOLOv5和DeepSort技术结合，实现高效准确的车辆与行人检测与跟踪，并构建相关数据集以提升模型性能。 YOLOv5-deepsort 是一个用于车辆和行人目标跟踪的代码库，已经配置好可以下载使用。它包括训练好的 YOLOv5s-person_car.pt 模型，并附带测试视频、提取的目标运动质心坐标以及绘制出的目标运动轨迹的功能。此外还提供了详细的使用说明，支持的目标类别为 person 和 car，并包含标注好的数据集。

全部评论 (0)

还没有任何评论哟~

客服

基于 YOLOv5-Deepsort 的车辆与行人目标跟踪及数据集

优质

本研究采用YOLOv5和DeepSort技术结合，实现高效准确的车辆与行人检测与跟踪，并构建相关数据集以提升模型性能。 YOLOv5-deepsort 是一个用于车辆和行人目标跟踪的代码库，已经配置好可以下载使用。它包括训练好的 YOLOv5s-person_car.pt 模型，并附带测试视频、提取的目标运动质心坐标以及绘制出的目标运动轨迹的功能。此外还提供了详细的使用说明，支持的目标类别为 person 和 car，并包含标注好的数据集。

基于YOLOv5与DeepSORT的车辆和行人多目标跟踪及计数方法

优质

本研究提出了一种结合YOLOv5与DeepSORT的技术方案，有效实现对视频流中车辆和行人的实时检测、跟踪及计数，提升智能交通系统的分析能力。包括训练好的模型，可用于毕业设计和课程设计。

基于Yolov5-DeepSort的行人与车辆跟踪及计数项目源码（含Yolov5和DeepSort融合代码）.zip

优质

本项目提供了一个集成Yolov5目标检测模型与DeepSort追踪算法的源代码，专注于高效准确地实现行人和车辆的跟踪与计数。 yolov5-deepsort行人车辆跟踪检测计数项目源码提供了完整的yolov5+deepsort实现的行人计数功能，并确保代码可以正常运行。该源码文件为.zip格式，包含所有必要的组件以供下载和使用。

Unbox_YOLOv5_DeepSort_Counting: YOLOv5与DeepSort行人和车辆跟踪检测计数

优质

Unbox_YOLOv5_DeepSort_Counting项目结合了YOLOv5目标检测算法及DeepSort跟踪技术，实现高效、准确的行人与车辆检测和计数，适用于智能监控等领域。 YOLOv5 和 DeepSort 的行人及车辆跟踪、检测与计数功能已实现进出方向的分别计数，默认为南北向检测。如需更改位置或方向，请在 main.py 文件第13行和21行修改两个polygon点的位置。默认支持的检测类别包括：行人、自行车、小汽车、摩托车、公交车及卡车，可在 detector.py 文件第60行进行调整。运行环境要求 Python 3.6+ 和 pip 20+ 版本以及 pytorch。安装依赖库使用命令 `pip install -r requirements.txt` 安装所需模块。下载代码可通过以下步骤完成： 1. 使用命令 `$ git clone https://github.com/dyh/unbox_yolov5_deepsort_counting.git` （注意：由于仓库包含weights及mp4等文件，如果git克隆速度较慢，可以考虑直接从GitHub下载zip格式的压缩包） 2. 进入目录后使用命令 `cd unbox_yolov5_dee`。

基于Yolov5与DeepSort的车辆检测与跟踪系统

优质

本项目开发了一套高效的车辆检测与跟踪系统，结合了先进的YOLOv5目标检测算法和DeepSort跟踪模型，旨在提供精准、实时的车辆监控解决方案。 Yolov5_DeepSort车辆检测和跟踪系统包含车辆数据集以及训练好的YOLOv5车辆检测权重，代码配置好环境后可以直接使用。

基于YOLOv5与DeepSort的人工智能项目实践：车辆及行人的追踪与计数

优质

本项目采用YOLOv5进行实时目标检测，并结合DeepSort算法实现对视频流中车辆和行人精确跟踪及数量统计，旨在提供高效、准确的监控解决方案。使用YOLOv5和Deepsort实现车辆行人追踪和计数，并将代码封装成一个Detector类，使其更容易嵌入到自己的项目中。

基于YOLOv5和DeepSort的目标识别与跟踪

优质

本项目采用YOLOv5模型进行高效目标检测，并结合DeepSort算法实现精准跟踪，适用于视频监控、自动驾驶等领域。该工程将yolov5与deepsort相结合，利用yolov5算法识别目标并进行唯一标记，适用于视频中的移动目标实时识别与追踪。项目使用opencv库的算法实现撞线检测和计数功能。用户可以根据实际需求修改代码以满足开发过程中的不同要求，并且无需下载额外资源包，直接在yolov5虚拟环境中运行即可。此方案非常实用便捷。