YOLOv8+DeepSORT多目标车辆跟踪（车辆检测+跟踪+车辆计数）（内附免费资源+部署讲解）

目录

一、前言

二、开发环境（前提条件）

三、环境搭建教程

3.1、创建虚拟环境

3.2、选择虚拟环境并安装所需要的包

3.3、运行代码步骤

3.3.1、克隆 git 储存库

3.3.2、转到克隆库的文件夹下

3.3.3、安装依赖项

3.3.4、转到检测目录下

3.3.5、用于yolov8物体检测+跟踪+车辆计数

四、效果图

---

一、前言

欢迎阅读本篇博客！今天我们深入探索YOLOv8+deepsort视觉跟踪算法。结合YOLOv8的目标检测和deepsort的特征跟踪，该算法在复杂环境下确保了目标的准确与稳定跟踪。在计算机视觉中，这种跟踪技术在安全监控、无人驾驶等领域有着广泛应用。本文重点探讨基于此算法的车辆检测、跟踪及计数。演示效果如下：

二、开发环境（前提条件）

1、Anaconda3 环境

2、pycharm 代码编辑器

3、虚拟环境 python 3.8

（安装教程：Anaconda3+pycharm安装教程）（强烈推荐√）

（代码安装资源：YOLOv8-Deepsort 免费源码）（强烈推荐√）

因为看到很多开源的资源都是要么付费，要么需要vip才能下载，实在看不下去了！！！所以我决定代码直接免费，这么良心的博主不给个点赞+关注+收藏嘛 (๑′ᴗ‵๑)

三、环境搭建教程

3.1、创建虚拟环境

首先打开anaconda prompt，输入conda env list查看环境列表，如果没有安装虚拟环境，会显示只有一个base。

然后输入指令：

conda create -n YOLOv8-Deepsort python=3.8

接着输入y，等待安装完毕，即可创建好虚拟环境。

（注意：YOLOv8-Deepsort 是我自己命名的环境名称，可随意命名。）

等待安装好后再次输入：

conda env list

查看环境列表，此时环境中就会多出自己创建的虚拟环境了。

3.2、选择虚拟环境并安装所需要的包

输入 conda activate YOLOv8-Deepsort 进入你的虚拟环境

conda activate YOLOv8-Deepsort

如果前面的括号里由原来的base变成了你的虚拟环境名称，那么恭喜你，环境选择成功了哟！ 

3.3、运行代码步骤

3.3.1、克隆 git 储存库

git clone https://github.com/MuhammadMoinFaisal/YOLOv8-DeepSORT-Object-Tracking.git

也可以点击这个资源免费下载：YOLOv8-Deepsort 免费源码（强烈推荐）

3.3.2、转到克隆库的文件夹下

cd YOLOv8-DeepSORT-Object-Tracking

3.3.3、安装依赖项

pip install -e ".[dev]"

3.3.4、转到检测目录下

cd ultralytics/yolo/v8/detect

3.3.5、用于yolov8物体检测+跟踪+车辆计数

python predict.py model=yolov8l.pt source="test3.mp4" show=True

四、效果图

运行完以上那些命令就可以像视频那样的效果啦(～￣▽￣)～

五、可能出现的Error（如果出现报错请看这个）

AttributeError: module 'numpy' has no attribute 'float'

Set the environment variable HYDRA_FULL_ERROR=1 for a complete stack trace.

出现以上的报错呢，可以这样改，我使用的numpy版本是1.24，但是从代码中所用的代码是依赖于旧版本的Numpy。您可以将你的Numpy版本降级到1.23.5。

pip install numpy==1.23.5

然后再运行上面那个用于yolov8物体检测+跟踪+车辆计数的运行命令即可。