MichistaLin / yolov5-deepsort-pedestraintracking

Pedestrian / vehicle tracking and counting system based on yolov5 and deepsort. 基于yolov5和deepsort的行人或车辆跟踪计数系统

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

基于yolov5和deepsort的行人跟踪计数系统

项目运行环境:win10,pycharm,python3.6+

主要需要的包:pytorch >= 1.7.0,opencv

运行main.py即可开始追踪检测,可以在控制台运行

python main.py --input="你的视频路径"

也可以在pycharm中直接右键运行(把--input中的defalt改为你要检测的视频路径即可),这样执行的都是默认参数

输入的参数:

parser = argparse.ArgumentParser()
# 视频的路径,默认是本项目中的一个测试视频test.mp4,可自行更改
parser.add_argument('--input', type=str, default="./test.mp4",
                        help='test imgs folder or video or camera')  # 输入'0'表示调用电脑默认摄像头
# 处理后视频的输出路径
parser.add_argument('--output', type=str, default="./output",
                        help='folder to save result imgs, can not use input folder')
parser.add_argument('--weights', type=str, default='weights/yolov5l.pt', help='model.pt path(s)')
parser.add_argument('--img_size', type=int, default=640, help='inference size (pixels)')
parser.add_argument('--conf_thres', type=float, default=0.6, help='object confidence threshold')
parser.add_argument('--iou_thres', type=float, default=0.4, help='IOU threshold for NMS')
# GPU(0表示设备的默认的显卡)或CPU
parser.add_argument('--device', default='0', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
# 通过classes来过滤检测类别
parser.add_argument('--classes', default=0, type=int, help='filter by class: --class 0, or --class 0 2 3')  

看到有挺多小伙伴要求总人数,现在加了一个参数isCounntPresent

"""
  isCountPresent:
    True:表示只显示当前人数
    False:表示显示总人数和当前人数
"""
result_img = Counting_Processing(img, yolo5_config, Model, class_names, deepsort_tracker, Obj_Counter, isCountPresent = False)

检测效果:

About

Pedestrian / vehicle tracking and counting system based on yolov5 and deepsort. 基于yolov5和deepsort的行人或车辆跟踪计数系统


Languages

Language:Python 99.4%Language:Dockerfile 0.3%Language:Shell 0.3%