yolov5+deepsort目标检测与跟踪（毕业设计+代码）

yolov5+deepsort目标检测与跟踪

实现效果

项目下载地址

全部项目代码可私信或评论区留言获取
先看下项目的列表，文件夹不多，只要加载权重和图片就可以实现目标的检测追踪
!

安装方法

授人以鱼不如授人以渔，学会此技巧，以后工作学习再也不怕配置环境了。

下载好后，输入以下命令：

conda create -n track_yolo5 python==3.7

然后紧接着使用：

conda activate track_yolo5

其次键入：

 pip install -r requirements.txt

完成后就可以接在

上图目录终端输入：python app_track.py 完成yolov5追踪任务。

值得注意的是，如果想换成自己的数据视频，需要在

config.yml里面 source中的1.mp4换成你的视频.

重要代码

import torch
import torch.backends.cudnn as cudnn

import pandas as pd

from infrastructure.handlers.track import Tracker
import os
os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"
os.environ["OMP_NUM_THREADS"] = "1"
os.environ["OPENBLAS_NUM_THREADS"] = "1"
os.environ["MKL_NUM_THREADS"] = "1"
os.environ["VECLIB_MAXIMUM_THREADS"] = "1"
os.environ["NUMEXPR_NUM_THREADS"] = "1"

import sys
lib_path = os.path.abspath(os.path.join('infrastructure', 'yolov5'))
sys.path.append(lib_path)





tracker = Tracker(config_path="../../settings/config.yml")

with torch.no_grad():
    tracker.detect()
    print(------------1)

此代码包含了目标检测的加载和追踪的代码，值得一行行dehug来学习和提升。！！

推理结果

下图为我本人的数据视频结果的截图，可见该模型在检测区域效果良好，达到了毕业设计的水平。

下图为动态图，原文中的效果，其加载Yolov5 和deepsort权重后，效果yyds！！！！

代码部分！