[C++]使用yolov8的onnx模型仅用opencv和bytetrack实现目标追踪

【官方框架地址】

yolov8:

https://github.com/ultralytics/ultralytics

bytetrack:

https://github.com/ifzhang/ByteTrack
【算法介绍】

随着人工智能技术的不断发展，目标追踪已成为计算机视觉领域的重要研究方向。Yolov8和ByTetrack作为当前先进的算法，当它们结合使用时，能够显著提升目标追踪的准确性和实时性。

Yolov8，源于“You Only Look Once”的简称，是一款强大且高效的目标检测算法。它继承了Yolov3和Yolov4的优点，并在其基础上进行了改进，使得检测精度和速度都得到了显著提升。Yolov8特别适合于处理视频流中的目标追踪任务，因为它能够实时地、准确地检测出视频中的目标。

ByTetrack，全称为Background and Tracklet-based Object Tracking，是一种基于背景减除和轨迹匹配的目标追踪方法。它利用背景减除技术初步确定目标的运动轨迹，再结合轨迹匹配算法，对目标进行精确追踪。ByTetrack的优势在于，即使在复杂场景下，如目标遮挡、运动模糊等，它仍能保持较高的追踪精度。

当Yolov8与ByTetrack结合使用时，首先，Yolov8快速并准确地检测出视频中的目标；然后，ByTetrack利用Yolov8提供的信息，对目标进行精确追踪。这种结合方式既发挥了Yolov8的高检测精度，又利用了ByTetrack的高追踪精度，使得整体目标追踪效果更上一层楼。

综上所述，Yolov8与ByTetrack的结合为解决复杂场景下的目标追踪问题提供了新的思路和方法。在未来的人工智能技术发展中，这种结合方式有望成为目标追踪领域的研究热点。

【效果展示】

【实现部分代码】

#include 
#include

#include
#include "yolov8.h"
#include
#include 
#include 
#include 
#include 
#include 
#include 
#include "BYTETracker.h"

using namespace std;
using namespace cv;
using namespace dnn;



int main() {

	string detect_model_path = "./models/yolov8n.onnx";
	Yolov8 detector;
	detector.ReadModel(detect_model_path,"labels.txt",false);
	vector