kingpll / yolov8-deepsort-tracking

opencv+yolov8+deepsort行人检测与跟踪,以及可选的WebUI界面（基于gradio）

yolov8-deepsort-tracking

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

安装完pytorch后，需要通过以下命令来安装其他依赖：

$ 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：

$ 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：

input_path = "test.mp4"

模型默认使用Ultralytics官方的YOLOv8n模型：

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 例如，如果想要使用YOLOv9模型：

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

运行app.py，如果控制台出现以下消息代表成功运行：

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