---

前言

之前写个yolov8的一个试用版，【深度学习】Yolov8追踪从0到1, 这要是做计数啥的,简单的一批，一套工程化的代码，给自己挖了个坑，说要实现一个基于yolov8的人/车流量统计.
现在要改进，想要做成能够处理多摄像头的，也就是多个摄像头共享一个算法来处理计数。

修改点

先修改最重要的点，前处理、推理和后处理，主要是吧原来单图片，修改成多图片的入参。yolov官方工程的track.py 注释的很清楚。Preprocess/Inference/Postprocess.
![在这里插入图片描述](https://img-blog.csdnimg.cn/e0b74bce1de14b1195605da3a53eac91.png

改造的整体思路是要搞清楚：

1. 原输入是什么
2. 原输出是什么
3. 期望输入是什么
4. 期望输入套到原方法是否工作良好
5. 期望输出是什么

Preprocess

看150行
im0s 一个list，[array([[[125, 118, 1…ype=uint8)]
看一眼它的形状：HWC

im0s[0].shape
(1080, 1920, 3)

其输出im

im.shape
torch.Size([1, 3, 384, 640])

它的作用是将list的array 转成 torch.Tensor对象，并且转成BCHW的形状，注意这里应该是resize了，将最长边1920–>640，而短边等比例缩放到了384；
正常应该缩放到360，但不知道为啥它输出了384.（待定？？）

经测试，im0s 输入修改成 [array([[[125, 118, 1…ype=uint8),array([[[125, 118, 1…ype=uint8)] 输出为:torch.Size([2, 3, 384, 640]) 满足预期。

Inference

来到了154行
input: im

im.shape
torch.Size([1, 3, 384, 640])

output:preds

preds[0]

对于yolov8的结构和输出解析看这里ref：https://zhuanlan.zhihu.com/p/598566644

preds[0]是一个tensor， 第一维度是 bz，第二维度是 80类和矩形框位置，第三维度未知（todo）应该是融合后的特征，正常来说若输入图片是640640 则是8400=（8080 + 40*40 + 20 *20），这个知乎的解读也不一定对，起码和我打印的结果不一致。

总结

参考:
git:https://github.com/MuhammadMoinFaisal/YOLOv8-DeepSORT-Object-Tracking
blog:https://blog.csdn.net/liuxuan19901010/article/details/130555216