深圳网站开发公司哪家好,哪里卖网站域名,做阅读理解的网站,百度搜索首页【官方框架地址】
yolov8:
https://github.com/ultralytics/ultralytics
bytetrack:
https://github.com/ifzhang/ByteTrack 【算法介绍】
随着人工智能技术的不断发展#xff0c;目标追踪已成为计算机视觉领域的重要研究方向。Yolov8和ByTetrack作为当前先进的算法…【官方框架地址】
yolov8:
https://github.com/ultralytics/ultralytics
bytetrack:
https://github.com/ifzhang/ByteTrack 【算法介绍】
随着人工智能技术的不断发展目标追踪已成为计算机视觉领域的重要研究方向。Yolov8和ByTetrack作为当前先进的算法当它们结合使用时能够显著提升目标追踪的准确性和实时性。
Yolov8源于“You Only Look Once”的简称是一款强大且高效的目标检测算法。它继承了Yolov3和Yolov4的优点并在其基础上进行了改进使得检测精度和速度都得到了显著提升。Yolov8特别适合于处理视频流中的目标追踪任务因为它能够实时地、准确地检测出视频中的目标。
ByTetrack全称为Background and Tracklet-based Object Tracking是一种基于背景减除和轨迹匹配的目标追踪方法。它利用背景减除技术初步确定目标的运动轨迹再结合轨迹匹配算法对目标进行精确追踪。ByTetrack的优势在于即使在复杂场景下如目标遮挡、运动模糊等它仍能保持较高的追踪精度。
当Yolov8与ByTetrack结合使用时首先Yolov8快速并准确地检测出视频中的目标然后ByTetrack利用Yolov8提供的信息对目标进行精确追踪。这种结合方式既发挥了Yolov8的高检测精度又利用了ByTetrack的高追踪精度使得整体目标追踪效果更上一层楼。
综上所述Yolov8与ByTetrack的结合为解决复杂场景下的目标追踪问题提供了新的思路和方法。在未来的人工智能技术发展中这种结合方式有望成为目标追踪领域的研究热点。
【效果展示】 【实现部分代码】
#include iostream
#includeopencv2/opencv.hpp#includemath.h
#include yolov8.h
#includetime.h
#include math.h
#include time.h
#include vector
#include chrono
#include float.h
#include stdio.h
#include BYTETracker.husing namespace std;
using namespace cv;
using namespace dnn;int main() {string detect_model_path ./models/yolov8n.onnx;Yolov8 detector;detector.ReadModel(detect_model_path,labels.txt,false);vectorObject objects;cv::VideoCapture cap(D:\\car.mp4);int img_w cap.get(CAP_PROP_FRAME_WIDTH);int img_h cap.get(CAP_PROP_FRAME_HEIGHT);int fps cap.get(CAP_PROP_FPS);long nFrame static_castlong(cap.get(CAP_PROP_FRAME_COUNT));if (!cap.isOpened()){std::cout open failed! std::endl;return -1;}Mat frame;BYTETracker tracker(fps, 30);int num_frames 0;int keyvalue 0;int total_ms 1;while (true){cap.read(frame);if (frame.empty()){std::cout read to end std::endl;break;}num_frames;auto start chrono::system_clock::now();objects.clear();detector.Detect(frame, objects);vectorSTrack output_stracks tracker.update(objects);auto end chrono::system_clock::now();total_ms total_ms chrono::duration_castchrono::microseconds(end - start).count();for (int i 0; i output_stracks.size(); i){vectorfloat tlwh output_stracks[i].tlwh;bool vertical tlwh[2] / tlwh[3] 1.6;if (tlwh[2] * tlwh[3] 20 !vertical){Scalar s tracker.get_color(output_stracks[i].track_id);putText(frame, format(%d, output_stracks[i].track_id), Point(tlwh[0], tlwh[1] - 5),0, 0.6, Scalar(0, 0, 255), 2, LINE_AA);rectangle(frame, Rect(tlwh[0], tlwh[1], tlwh[2], tlwh[3]), s, 2);}}putText(frame, format(frame: %d fps: %d num: %d, num_frames, num_frames * 1000000 / total_ms, (int)output_stracks.size()),Point(0, 30), 0, 0.6, Scalar(0, 0, 255), 2, LINE_AA);imshow(result, frame);keyvalue waitKey(1);if (keyvalue 113 || keyvalue 81){break;}}cap.release();} 【视频演示】
https://www.bilibili.com/video/BV15w411j7nP/?vd_source989ae2b903ea1b5acebbe2c4c4a635ee 【测试环境】
vs2019 cmake3.24.3 opencv4.7.0
