https://blog.csdn.net/Little_Carter/article/details/133610076
目錄
一、前言
二、開發環境（前提條件）
三、環境搭建教程
3.1、創建虛擬環境
3.2、選擇虛擬環境並安裝所需要的包
3.3、運行代碼步驟
3.3.1、克隆 git 儲存庫
3.3.2、轉到克隆庫的文件夾下
3.3.3、安裝依賴項
3.3.4、轉到檢測目錄下
3.3.5、用於yolov8物體檢測+跟蹤+車輛計數
四、效果圖
一、前言
歡迎閱讀本篇博客！今天我們深入探索YOLOv8+deepsort視覺跟蹤算法。結合YOLOv8的目標檢測和deepsort的特徵跟蹤，該算法在複雜環境下確保了目標的準確與穩定跟蹤。在計算機視覺中，這種跟蹤技術在安全監控、無人駕駛等領域有着廣泛應用。本文重點探討基於此算法的車輛檢測、跟蹤及計數。演示效果如下：
二、開發環境（前提條件）
1、Anaconda3 環境
2、pycharm 代碼編輯器
3、虛擬環境 python 3.8
（安裝教程：Anaconda3+pycharm安裝教程）（強烈推薦√）
（代碼安裝資源：YOLOv8-Deepsort 免費源碼）（強烈推薦√）
因爲看到很多開源的資源都是要麼付費，要麼需要vip才能下載，實在看不下去了！！！所以我決定代碼直接免費，這麼良心的博主不給個點贊+關注+收藏嘛 (๑′ᴗ‵๑)
三、環境搭建教程
3.1、創建虛擬環境
首先打開anaconda prompt，輸入conda env list查看環境列表，如果沒有安裝虛擬環境，會顯示只有一個base。
然後輸入指令：
conda create -n YOLOv8-Deepsort python=3.8
接着輸入y，等待安裝完畢，即可創建好虛擬環境。
（注意：YOLOv8-Deepsort 是我自己命名的環境名稱，可隨意命名。）
等待安裝好後再次輸入：
conda env list
查看環境列表，此時環境中就會多出自己創建的虛擬環境了。
3.2、選擇虛擬環境並安裝所需要的包
輸入 conda activate YOLOv8-Deepsort 進入你的虛擬環境
conda activate YOLOv8-Deepsort
如果前面的括號裏由原來的base變成了你的虛擬環境名稱，那麼恭喜你，環境選擇成功了喲！
3.3、運行代碼步驟
3.3.1、克隆 git 儲存庫
git clone https://github.com/MuhammadMoinFaisal/YOLOv8-DeepSORT-Object-Tracking.git
也可以點擊這個資源免費下載：YOLOv8-Deepsort 免費源碼（強烈推薦）
3.3.2、轉到克隆庫的文件夾下
cd YOLOv8-DeepSORT-Object-Tracking
3.3.3、安裝依賴項
pip install -e '.[dev]'
3.3.4、轉到檢測目錄下
cd ultralytics/yolo/v8/detect
3.3.5、用於yolov8物體檢測+跟蹤+車輛計數
python predict.py model=yolov8l.pt source="test3.mp4" show=True
四、效果圖
運行完以上那些命令就可以像視頻那樣的效果啦(～￣▽￣)～
五、可能出現的Error（如果出現報錯請看這個）
AttributeError: module 'numpy' has no attribute 'float'
Set the environment variable HYDRA_FULL_ERROR=1 for a complete stack trace.
出現以上的報錯呢，可以這樣改，我使用的numpy版本是1.24，但是從代碼中所用的代碼是依賴於舊版本的Numpy。您可以將你的Numpy版本降級到1.23.5。
pip install numpy==1.23.5
然後再運行上面那個用於yolov8物體檢測+跟蹤+車輛計數的運行命令即可。
————————————————
版權聲明：本文爲CSDN博主「-嘟囔着拯救世界-」的原創文章，遵循CC 4.0 BY-SA版權協議，轉載請附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/Little_Carter/article/details/133610076