yolov5 deepsort单目标跟踪代码 - CSDN文库

### YOLOv5与DeepSORT结合实现单目标跟踪为了实现YOLOv5与DeepSORT相结合的单目标跟踪，通常会遵循以下模式。代码结构主要分为几个部分：初始化YOLOv5模型、加载DeepSORT资源、处理每一帧图像数据并调用相应的方法完成检测和跟踪。 #### 初始化环境配置 ```python import torch from deep_sort_realtime.deepsort_tracker import DeepSort from ultralytics import YOLO # 加载预训练好的YOLOv5权重文件 model = YOLO('yolov5s.pt') # 创建DeepSort实例 deepsort = DeepSort(max_age=30, n_init=2) ``` #### 处理视频流或图片序列对于每一张输入图像，先利用YOLOv5获取当前时刻所有可能出现的目标位置信息（即边界框），再把这些候选区域交给DeepSORT做进一步分析以维持稳定的身份识别[^1]。 ```python def process_frame(frame): results = model.predict(frame) detections = [] for result in results: boxes = result.boxes.cpu().numpy() for box in boxes: x_min, y_min, x_max, y_max = map(int, box[:4]) confidence = float(box[4]) detection = { 'bbox': (x_min, y_min, x_max - x_min, y_max - y_min), 'confidence': confidence, 'class': int(result.names[int(box[-1])]), } detections.append(detection) tracks = deepsort.update_tracks(detections, frame=frame.copy()) return tracks ``` #### 绘制追踪结果当得到更新后的轨迹列表后，可以根据需求选择如何展示最终效果，比如画出每个物体随时间变化而移动的历史路径等。 ```python for track in tracks: if not track.is_confirmed(): continue bbox = track.to_tlbr() # 获取边框坐标(xmin,ymin,xmax,ymax) id_ = track.track_id # 获得该track对应的唯一ID cv2.rectangle(frame, tuple(map(int,bbox[:2])), tuple(map(int,bbox[2:])), color=(255,0,0), thickness=2) label = f'ID-{id_}' cv2.putText(frame,label,(int(bbox[0]), int(bbox[1])-10),cv2.FONT_HERSHEY_SIMPLEX,.9,(255,0,0),2,cv2.LINE_AA) ```

阅读全文

相关推荐

CSDN会员

开通CSDN年卡参与万元壕礼抽奖

海量 VIP免费资源千本正版电子书商城会员专享价千门课程&专栏

全年可省5,000元立即开通