Advertisement

车辆行人追踪结果（DeepSort-YOLOv3）.zip

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
本资源包包含基于DeepSort与YOLOv3算法实现的高效车辆和行人追踪代码及结果。适用于智能交通系统研究与开发。 deepsort-yolov3-车辆行人跟踪结果

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 车辆行人追踪结果（DeepSort-YOLOv3）.zip
    优质
    本资源包包含基于DeepSort与YOLOv3算法实现的高效车辆和行人追踪代码及结果。适用于智能交通系统研究与开发。 deepsort-yolov3-车辆行人跟踪结果
     
  • 基于DeepSORT和YOLOv3的车辆与行人检测追踪
    优质
    本研究结合了深度学习技术，采用YOLOv3模型进行高效目标检测，并利用DeepSORT算法实现精准车辆与行人的跟踪识别。 该项目包含训练好的权重（人+车）、源代码、行人检测追踪的原视频以及车辆检测追踪的原视频。技术栈为Python、Pytorch和DeepSort。
     
  • 行人追踪结果与测试视频.zip
    优质
    该资料包包含了行人追踪算法的结果数据以及用于对比和验证效果的测试视频文件，适用于研究和开发高性能的行人跟踪系统。 行人跟踪结果及测试视频包含一个几分钟的行人测试视频、行人跟踪结果视频（展示行人的运动轨迹）以及含有跟踪数据的txt文件和目标质心坐标。
     
  • 基于DeepSORT与YOLOv3及TensorFlow的实时多人追踪系统
    优质
    本项目构建了一个结合DeepSORT和YOLOv3的实时多人追踪系统，利用TensorFlow框架实现在复杂场景下的高效目标检测与跟踪。 姿态检测和跟踪项目使用较旧版本的软件创建，因此一些模块的功能不够高效且功能较为简单。推荐尝试其他作者实现的Pytorch版本等相关工作。 这项工作目前支持tiny_yolo v3，但仅用于测试目的；如需训练模型，请在Darknet中进行或参考后续的工作内容来完成训练过程。此外，此项目还能跟踪COCO类别中的多个对象，因此请注意修改yolo.py文件中的相关类定义。您还可以使用相机来进行测试。 快速开始指南：首先下载YOLOv3或tiny_yolov3的权重文件，并将Darknet YOLO模型转换为Keras模型；或者直接使用已转换好的yolo.h5模型（需确保环境兼容），将其放入model_data文件夹中。最后，通过命令行运行YOLO_DEEP_SORT：python demo.py
     
  • 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与DeepSort的车辆行人追踪及计数系统（含源码、文档和数据）.zip
    优质
    本资源提供了一种结合YOLOv5目标检测算法和DeepSort跟踪模型的高效车辆行人追踪及计数解决方案，包含详尽源代码、文档与数据集。适合研究与开发使用。 基于YOLOv5+Deepsort实现车辆行人追踪和计数（完整源码、说明文档及数据）的资源包包括了用于车辆与行人的高效追踪和计数功能的相关代码，以及详细的使用指南和支持的数据集。 该代码具有参数化编程的特点，使得用户可以根据具体需求灵活调整相关设置。此外，整个项目的编码风格清晰明了，并且配有详尽的注释说明以帮助使用者更好地理解和操作项目内容。 这款资源特别适用于学习计算机科学、电子信息工程及数学等专业的学生，在课程设计和毕业论文阶段可以作为有价值的参考工具或直接应用到相关的研究课题中去。 该资料包由一位在知名大厂工作多年的经验丰富的算法工程师制作完成，此人拥有超过十年的Matlab、Python、C/C++以及Java语言编程经验，并且对YOLO目标检测模型有着深入的研究。其专业领域涵盖了广泛的计算机视觉技术及相关智能优化方法的应用开发，在诸如神经网络预测分析、信号处理等多个方面具有深厚的技术积累和实践经验。 资源包名称：基于YOLOv5+Deepsort实现车辆行人追踪和计数（完整源码+说明文档+数据）.zip
     
  • 可以直接运行的YOLOv5与DeepSort结合的车辆行人追踪及计数代码+说明文档（优质项目）
    优质
    本项目提供直接可用的YOLOv5与DeepSort集成代码，实现高效准确的车辆和行人追踪及计数功能，并附有详细使用指南。 资源内容：基于YOLOv5+Deepsort实现车辆行人追踪和计数的源码及说明文档（高分项目）。 适用人群：适用于计算机、电子信息工程、数学等专业的大学生，可用于课程设计、期末大作业或毕业设计中的参考资料。 更多相关仿真源码和数据集可自行查找获取。 免责声明：本资源仅供“参考资料”使用，并非为满足特定需求定制的。因此，需要读者具备一定的基础以理解代码并能够进行调试及功能修改。由于作者在大型企业工作繁忙，无法提供答疑服务，请注意如无资源缺失问题概不负责，感谢您的理解。
     
  • 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的车辆行人追踪及计数系统（含源码、文档和数据）.rar
    优质
    本资源提供一个基于YOLOv5与DeepSort算法实现的车辆行人追踪及计数系统的完整解决方案，包括源代码、详细文档以及测试数据。 资源内容：基于YOLOv5+Deepsort实现车辆行人追踪和计数（完整源码+说明文档+数据）.rar 代码特点： - 参数化编程，参数便于更改； - 代码结构清晰，注释详细。 适用对象： 适用于计算机、电子信息工程及数学等专业大学生的课程设计与毕业设计项目。 作者介绍：某大厂资深算法工程师，在Matlab、Python、C/C++、Java和YOLO算法仿真方面拥有10年经验；擅长领域包括但不限于计算机视觉、目标检测模型开发、智能优化算法研究以及神经网络预测技术，同时具备信号处理、元胞自动机应用及图像处理能力，并在智能控制与路径规划等领域有丰富实践经验。欢迎交流学习。