yolov8+多算法多目标追踪+实例分割+目标检测+姿态估计（代码+教程）

news2024/10/6 12:29:28

多目标追踪+实例分割+目标检测

YOLO (You Only Look Once) 是一个流行的目标检测算法，它能够在图像中准确地定位和识别多个物体。
在这里插入图片描述

本项目是基于 YOLO 算法的目标跟踪系统，它将 YOLO 的目标检测功能与目标跟踪技术相结合，实现了实时的多目标跟踪。

在 目标追踪+语义分割+目标检测项目中，主要做了以下工作：

  • 目标检测：利用 YOLO 算法进行目标检测，识别图像或视频中的各种物体，并确定它们的位置和类别。

  • 目标跟踪j：通过使用跟踪算法（如卡尔曼滤波器、光流法等），对检测到的目标进行跟踪，以实现目标在视频序列中的持续跟踪。

  • 实例分割:对目标检测后的目标进行mask，做到实例分割

跟踪算法大集合

  • deepsort:

    深度学习框架下的追踪算法，可以有效地处理遮挡、尺度变化和外观变化等问题。 通过深度特征提取和匹配，能够在复杂场景下实现高准确度的目标追踪。

  • strongsort:

    具有较强的鲁棒性和稳定性，对于复杂背景和光照变化的环境有较好的适应能力。 在处理大量目标时，能够保持较高的追踪质量。

  • ocsort:

    基于外观特征的追踪算法，对目标外观的描述准确度较高，适用于需要精确目标识别的场景。
    在多目标追踪时，能够有效地区分不同目标并保持稳定的追踪状态。

  • bytetrack:

    采用了高效的特征提取和匹配策略，具有较快的处理速度和较低的计算成本。
    在资源受限的环境下，能够提供良好的追踪性能，适用于嵌入式和移动设备等场景。

  • botsort:

    具有较好的可扩展性和灵活性，可以根据具体需求进行定制和优化。
    在复杂多变的追踪场景中，能够通过参数调整和模型配置进行有效适配，提供高度定制化的追踪解决方案。

在这里插入图片描述

优越性

  • 实时性能优化：针对目标跟踪系统的实时性能进行优化，使其能够在实时视频流中高效地进行目标检测和跟踪。

姿态估计

  • 人体关键点检测：通过图像或视频数据，识别并定位出人体的关键点，例如头部、肩膀、手肘、手腕、膝盖、脚踝等关键部位的位置。通常使用的是基于深度学习的关键点检测算法

  • 多目标处理：实现了多目标跟踪功能，能够同时跟踪并管理多个目标，并在复杂场景下保持良好的跟踪性能。

    在这里插入图片描述

  • 应用场景：将 Y项目应用于实际场景，如智能监控、自动驾驶、无人机跟踪等领域，验证其在实际应用中的效果和可靠性。
    在这里插入图片描述

代码部署

  1. requirements,txt列表（优选Linux环境），成功运行的包，兼容性能良好。
  2. 并且将yolov8.pt 和yolov8_seg.pt。放在根目录下。
  3. 或者直接运行脚本，也会在线下载权重文件！
_libgcc_mutex=0.1=main
_openmp_mutex=5.1=1_gnu
absl-py=2.0.0=pypi_0
beautifulsoup4=4.12.2=pypi_0
boxmot=10.0.43=dev_0
ca-certificates=2023.08.22=h06a4308_0
cachetools=5.3.2=pypi_0
certifi=2023.7.22=pypi_0
cfgv=3.4.0=pypi_0
charset-normalizer=3.3.2=pypi_0
contourpy=1.1.1=pypi_0
cycler=0.12.1=pypi_0
cython=3.0.5=pypi_0
dataclasses=0.6=pypi_0
distlib=0.3.7=pypi_0
filelock=3.13.1=pypi_0
filterpy=1.4.5=pypi_0
fonttools=4.43.1=pypi_0
ftfy=6.1.1=pypi_0
future=0.18.3=pypi_0
gdown=4.7.1=pypi_0
gitdb=4.0.11=pypi_0
gitpython=3.1.40=pypi_0
google-auth=2.23.4=pypi_0
google-auth-oauthlib=1.0.0=pypi_0
grpcio=1.59.2=pypi_0
identify=2.5.31=pypi_0
idna=3.4=pypi_0
importlib-metadata=6.8.0=pypi_0
importlib-resources=6.1.0=pypi_0
joblib=1.3.2=pypi_0
kiwisolver=1.4.5=pypi_0
lapx=0.5.5=pypi_0
ld_impl_linux-64=2.38=h1181459_1
libffi=3.4.4=h6a678d5_0
libgcc-ng=11.2.0=h1234567_1
libgomp=11.2.0=h1234567_1
libstdcxx-ng=11.2.0=h1234567_1
loguru=0.7.2=pypi_0
markdown=3.5.1=pypi_0
markupsafe=2.1.3=pypi_0
matplotlib=3.7.3=pypi_0
ncurses=6.4=h6a678d5_0
nodeenv=1.8.0=pypi_0
numpy=1.24.4=pypi_0
oauthlib=3.2.2=pypi_0
opencv-python=4.8.1.78=pypi_0
openssl=3.0.11=h7f8727e_2
packaging=23.2=pypi_0
pandas=2.0.3=pypi_0
pillow=10.1.0=pypi_0
pip=23.3=py38h06a4308_0
platformdirs=3.11.0=pypi_0
pre-commit=3.5.0=pypi_0
protobuf=4.25.0=pypi_0
psutil=5.9.6=pypi_0
py-cpuinfo=9.0.0=pypi_0
pyasn1=0.5.0=pypi_0
pyasn1-modules=0.3.0=pypi_0
pyparsing=3.1.1=pypi_0
pysocks=1.7.1=pypi_0
python=3.8.18=h955ad1f_0
python-dateutil=2.8.2=pypi_0
pytz=2023.3.post1=pypi_0
pyyaml=6.0.1=pypi_0
readline=8.2=h5eee18b_0
regex=2023.10.3=pypi_0
requests=2.31.0=pypi_0
requests-oauthlib=1.3.1=pypi_0
rsa=4.9=pypi_0
scikit-learn=1.3.2=pypi_0
scipy=1.10.1=pypi_0
seaborn=0.13.0=pypi_0
setuptools=68.0.0=py38h06a4308_0
six=1.16.0=pypi_0
smmap=5.0.1=pypi_0
soupsieve=2.5=pypi_0
sqlite=3.41.2=h5eee18b_0
tabulate=0.9.0=pypi_0
tensorboard=2.14.0=pypi_0
tensorboard-data-server=0.7.2=pypi_0
thop=0.1.1-2209072238=pypi_0
threadpoolctl=3.2.0=pypi_0
tk=8.6.12=h1ccaba5_0
torch=1.7.0=pypi_0
torchvision=0.8.1=pypi_0
tqdm=4.66.1=pypi_0
typing-extensions=4.8.0=pypi_0
tzdata=2023.3=pypi_0
ultralytics=8.0.146=pypi_0
urllib3=2.0.7=pypi_0
virtualenv=20.24.6=pypi_0
wcwidth=0.2.9=pypi_0
werkzeug=3.0.1=pypi_0
wheel=0.41.2=py38h06a4308_0
xz=5.4.2=h5eee18b_0
yacs=0.1.8=pypi_0
yolox=0.3.0=pypi_0
zipp=3.17.0=pypi_0
zlib=1.2.13=h5eee18b_0

你只需要输入以下指令：即可配置好环境！！！

 conda create --name yolo_track  --file requiremnts.txt

目标检测运行

运行脚本：

$ python examples/track.py --yolo-model yolov8n       # bboxes only
  python examples/track.py --yolo-model yolo_nas_s    # bboxes only
  python examples/track.py --yolo-model yolox_n       # bboxes only
                                        yolov8n-seg   # bboxes + segmentation masks
                                        yolov8n-pose  # bboxes + pose estimation

目标跟踪

目标跟踪 脚本：

$ python examples/track.py --tracking-method deepocsort
                                             strongsort
                                             ocsort
                                             bytetrack
                                             botsort

ReID 模型

在追踪过程中，一些跟踪方法结合外观描述和运动信息。对于那些使用外观描述的方法，你可以根据自己的需求从 ReID 模型库中选择一个 ReID 模型。这些模型可以通过 reid_export.py 脚本进一步优化以满足你的需求。

$ python examples/track.py --source 0 --reid-model lmbn_n_cuhk03_d.pt               # lightweight
                                                   osnet_x0_25_market1501.pt
                                                   mobilenetv2_x1_4_msmt17.engine
                                                   resnet50_msmt17.onnx
                                                   osnet_x1_0_msmt17.pt
                                                   clip_market1501.pt               # heavy
                                                   clip_vehicleid.pt
                                                   ...

结果展示

下文展示了具体的视频实现效果！

qq1309399183

视频展示链接

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1182830.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

Linux笔记——Ubuntu子系统从系统盘迁移到非系统盘

Linux笔记——Ubuntu子系统从系统盘迁移到非系统盘

Linux笔记——Ubuntu子系统从系统盘迁移到非系统盘 一、子系统迁移1. 关闭linux子系统2. 使用move-wsl进行迁移 二、 虚拟机子系统瘦身 安了子系统还没用几天，C盘提示我没空间了。。。剩余0kb的那种。。。Ubuntu安装的时候默认按C盘了，所以还是移走腾点地…
阅读更多...
【神经网络】【GoogleNet】

【神经网络】【GoogleNet】

1、引言 卷积神经网络是当前最热门的技术，我想深入地学习这门技术，从他的发展历史开始，了解神经网络算法的兴衰起伏；同时了解他在发展过程中的**里程碑式算法**，能更好的把握神经网络发展的未来趋势，了解神…
阅读更多...
第1天：Python基础语法（一）

第1天：Python基础语法（一）

** 1、Python简介 ** Python是一种高级、通用的编程语言，由Guido van Rossum于1989年创造。它被设计为易于阅读和理解，具有简洁而清晰的语法，使得初学者和专业开发人员都能够轻松上手。 Python拥有丰富的标准库，提供了广泛的功…
阅读更多...
生态环境领域基于R语言piecewiseSEM结构方程模型

生态环境领域基于R语言piecewiseSEM结构方程模型

结构方程模型（Sructural Equation Modeling，SEM）可分析系统内变量间的相互关系，并通过图形化方式清晰展示系统中多变量因果关系网，具有强大的数据分析功能和广泛的适用性，是近年来生态、进化、环境、地学、…
阅读更多...
AI 绘画 | Stable Diffusion 涂鸦功能与局部重绘

AI 绘画 | Stable Diffusion 涂鸦功能与局部重绘

在 StableDiffusion图生图的面板里，除了图生图（img2img）选卡外，还有局部重绘(Inpaint)，涂鸦(Sketch)，涂鸦重绘(Inpaint Sketch),上传重绘蒙版（Inpaint Uplaod）、批量处理&#xff08…
阅读更多...
图像标注工具lableImg安装出错怎么办？

图像标注工具lableImg安装出错怎么办？

我们要训练自己的图像识别模型，首先要进行图像的标注。labelimg就是一款可视化的图像标注工具。它是用Python编写的，通过Qt实现其图形界面，尽管它只支持矩形框标注，但因跨平台，支持Linux、Mac OS、Windows，…
阅读更多...
部分iOS机型 new Date() 时间 NAN

部分iOS机型 new Date() 时间 NAN

部分 iOS 机型 new Date() 时间 NAN 解决代码 是因为部分 iOS 机型 new Date(2023-01-01 00:00:00) 时， 获取时间戳的时间年月日用 - 分隔，将 - 分隔改为 / 分隔即可 new Date(2023/01/01 00:00:00)
阅读更多...
【java】实现自定义注解校验——方法二

【java】实现自定义注解校验——方法二

自定义注解校验的实现步骤： 1.创建注解类，编写校验注解，即类似NotEmpty注解 2.编写自定义校验的逻辑实体类，编写具体的校验逻辑。(这个类可以实现ConstraintValidator这个接口，让注解用来校验) 3.开启使用自定义注解进…
阅读更多...
独立开发者学习的技术栈

独立开发者学习的技术栈

# 前端 语言 - HTML - CSS/Sass/PostCSS - JavaScript/TypeScriptJS框架 - Vue - NuxtJS - React - NextJS - RemixJS CSS框架 - Tailwindcss - Bulma# 设计语言 - Ant Design - Material Design#后端 语言 - JavaScript/TypeScript - Python - Java - PHP 框架 - NestJS - Exp…
阅读更多...
github 上传代码报错 fatal: Authentication failed for ‘xxxxxx‘

github 上传代码报错 fatal: Authentication failed for ‘xxxxxx‘

问题 今天一时兴起创建了个 github 新仓库，首次上传本地代码时，遇到了一个报错。本来以为是账号密码的问题，搞了好几次，发现都没错的情况下还是上传不上去。目测判断是认证相关问题，具体报错信息如下： rem…
阅读更多...
JavaScript基础入门03

JavaScript基础入门03

目录 1.条件语句 1.1if 语句 1.1.1基本语法格式 1.1.2练习案例 1.2三元表达式 1.3switch 2.循环语句 2.1while 循环 2.2continue 2.3break 2.4for 循环 3.数组 3.1创建数组 3.2获取数组元素 3.3新增数组元素 3.3.1. 通过修改 length 新增 3.3.2. 通过下标新增 …
阅读更多...
OpenShift - 利用容器的特权配置实现对OpenShift攻击，以及如何使用 PSA 和 RHACS 防范风险

OpenShift - 利用容器的特权配置实现对OpenShift攻击，以及如何使用 PSA 和 RHACS 防范风险

《OpenShift / RHEL / DevSecOps 汇总目录》 说明：本文已经在 OpenShift 4.14 的环境中验证 本文是《容器安全 - 利用容器的特权配置实现对Kubernetes攻击》的后续篇，来介绍 在 OpenShift 环境中的容器特权配置和攻击过程和 Kubernetes 环境的差异&…
阅读更多...
【Spring】Spring IOCDI（万字详解）

【Spring】Spring IOCDI（万字详解）

文章目录 1. Spring是什么？2. 认识IOC2.1 传统程序开发1. Main.java2. Car.java3. Framework.java4. Bottom.java5. Tire.java 2.2 分析传统开发2.3 IOC程序开发1. Main.java2. Car.java3. Framework.java4. Bottom.java5. Tire.java 2.4 分析IOC开发2.5 IOC容器优点…
阅读更多...
零代码编程：用ChatGPT批量将Mp4视频转为Mp3音频

零代码编程：用ChatGPT批量将Mp4视频转为Mp3音频

文件夹中有很多mp4视频文件，如何利用ChatGPT来全部转换为mp3音频呢？ 在ChatGPT中输入提示词： 你是一个Python编程专家，要完成一个批量将Mp4视频转为Mp3音频的任务，具体步骤如下： 打开文件夹：…
阅读更多...
解决Java中https请求接口报错问题

解决Java中https请求接口报错问题

1. 解决SSLException: Certificate for ＜域名＞ doesn‘t match any of the subject alternative报错问题 1.1 问题描述 最近在做一个智能问答客服项目，对接的是云问接口，然后云问接口对接使用的是https方式，之前一直…
阅读更多...
MySQL | MySQL不区分大小写配置

MySQL | MySQL不区分大小写配置

MySQL不区分大小写配置 1.表内数据条件查询不区分大小写2. 表名字段名不区分大小写 1.表内数据条件查询不区分大小写 MySQL 表内数据条件查询不区分大小写是因为排序规则的问题. 在MySQL中，InnoDB存储引擎默认的字符集是utf8,utf8mb4等,这些字符集再存储数据时没有…
阅读更多...
Flink -- 事件时间 Watermark

Flink -- 事件时间 Watermark

1、事件时间： 指的是数据产生的时间或是说是数据发生的时间。 在Flink中有三种时间分别是： Event Time：事件时间，数据产生的时间，可以反应数据真实发生的时间 Infestion Time：事件接收时间 Processing Tim…
阅读更多...
【机器学习2】模型评估

【机器学习2】模型评估

模型评估主要分为离线评估和在线评估两个阶段。 针对分类、 排序、 回归、序列预测等不同类型的机器学习问题， 评估指标的选择也有所不同。 1 评估指标 1.1准确率 准确率是指分类正确的样本占总样本个数的比例 但是准确率存在明显的问题，比如当负样本…
阅读更多...
互联网Java工程师面试题·Spring篇·第六弹

互联网Java工程师面试题·Spring篇·第六弹

目录 ​编辑 21.什么是 Spring beans? 22、一个 Spring Bean 定义 包含什么？ 23、如何给 Spring 容器提供配置元数据? 24、你怎样定义类的作用域? 25、解释 Spring 支持的几种 bean 的作用域。 26、Spring 框架中的单例 bean 是线程安全的吗? 27、解释 …
阅读更多...
C/C++(a/b)*c的值 2021年6月电子学会青少年软件编程（C/C++）等级考试一级真题答案解析

C/C++(a/b)*c的值 2021年6月电子学会青少年软件编程（C/C++）等级考试一级真题答案解析

目录 C/C(a/b)*c的值 一、题目要求 1、编程实现 2、输入输出 二、算法分析 三、程序编写 四、程序说明 五、运行结果 六、考点分析 C/C(a/b)*c的值 2021年6月 C/C编程等级考试一级编程题 一、题目要求 1、编程实现 给定整数a、b、c，计算(a / b)*c的值&…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023