YOLOv5对象跟踪项目使用教程-CSDN博客

本文链接：https://blog.csdn.net/gitblog_00381/article/details/147317692

YOLOv5对象跟踪项目使用教程

yolov5-object-tracking YOLOv5 Object Tracking + Detection + Object Blurring + Streamlit Dashboard Using OpenCV, PyTorch and Streamlit 项目地址: https://gitcode.com/gh_mirrors/yo/yolov5-object-tracking

1. 项目目录结构及介绍

本项目是基于YOLOv5、OpenCV、PyTorch和Streamlit实现的实时对象检测与跟踪系统，支持对象模糊化处理，并提供了Streamlit仪表板。以下是项目的目录结构及其说明：

yolov5-object-tracking/
├── .github/                # GitHub相关文件
├── data/                   # 数据文件夹
├── models/                 # 模型文件夹
├── utils/                  # 工具类文件夹
├── 2.mp4                    # 示例视频文件
├── LICENSE                 # 开源协议文件
├── README.md               # 项目说明文件
├── app.py                  # Streamlit仪表板主文件
├── export.py               # 导出相关代码
├── ob_detect.py            # 对象检测脚本
├── obj_det_and_trk.py      # 对象检测与跟踪脚本
├── obj_det_and_trk_streamlit.py # 结合Streamlit的对象检测与跟踪脚本
├── requirements.txt        # 项目依赖文件
├── sort.py                 # 对象跟踪算法实现

2. 项目的启动文件介绍

本项目有几个启动脚本，用于不同的功能：

ob_detect.py: 仅进行对象检测的脚本。使用方式为：
```
python ob_detect.py --weights yolov5s.pt --source "your_video.mp4"
```
其中--weights指定权重文件，--source指定视频源。
obj_det_and_trk.py: 进行对象检测与跟踪的脚本。使用方式为：
```
python obj_det_and_trk.py --weights yolov5s.pt --source "your_video.mp4"
```
同样，--weights指定权重文件，--source指定视频源。
app.py: Streamlit仪表板的主文件，用于在Web界面中进行对象检测与跟踪。启动方式为：
```
python -m streamlit run app.py
```

3. 项目的配置文件介绍

本项目使用requirements.txt作为配置文件，列出了项目运行所需的Python包。在开始运行项目之前，你需要创建一个虚拟环境并安装这些依赖：

# 创建虚拟环境（对于Linux用户）
python3 -m venv yolov5objtracking
source yolov5objtracking/bin/activate

# 创建虚拟环境（对于Windows用户）
python3 -m venv yolov5objtracking
cd yolov5objtracking
cd Scripts
activate
cd ..
cd ..

# 升级pip
pip install --upgrade pip

# 安装依赖
pip install -r requirements.txt

通过以上步骤，你可以顺利配置并运行本项目。