基于yolov8和deepsort实现行人检测、追踪和计数，支持视频和摄像实时检测与追踪，可用自己的数据集训练模型【pytorch框架，python源码】

更多目标检测、图像分类识别、目标检测与追踪等项目可看我主页其他文章

功能演示：

yolov8+deepsort实现行人检测、追踪和计数（支持视频和摄像实时检测与追踪），可用自己的数据集训练模型【pytorch框架，python源码】_哔哩哔哩_bilibili

（一）简介

基于yolov8和deepsort实现行人检测、追踪和计数，支持视频和摄像实时检测与追踪系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，数据集，训练好的模型权重，模型训练记录，GUI界面等。

GUI界面由Tkinter设计实现，该项目可在windows、linux(ubuntu，centos)、mac系统下运行，可外接usb摄像头或直接用笔记本摄像头实现摄像实时检测。

该项目是在pycharm和anaconda搭建的虚拟环境执行，pycharm和anaconda安装和配置可观看教程：

windows保姆级的pycharm+anaconda搭建python虚拟环境_windows pycharm anaconda-优快云博客

在Linux系统(Ubuntn, Centos)用pycharm+anaconda搭建python虚拟环境_linux pycharm-优快云博客

（二）项目介绍

1. 项目结构

​​​​

2.整个项目使用过程 

该项目可以使用已经训练好的模型权重，也可以自己重新训练，若使用原项目训练好的模型，则下面的操作不用执行，直接运行gui.py文件即可弹出界面，实现目标检测与追踪

（1） 模型训练
     a. 修改数据集路径：打开data/data.yaml, 修改train和val的路径为自己数据集的路径；修改下面的类别数目和类别名称
     b. 运行train.py文件，训练模型和验证模型

（2）目标追踪相关操作

     1.打开gui.py文件, 修改最下面的model_dir0为自己训练好的模型的路径
     2.打开gui.py文件，修改最下面的class_id0为要追踪的目标的类别id
     3.打开gui.py文件, 修改最下面的class_name0为要追踪的目标的类别id对应的名称
     4.运行gui.py文件，开始目标追踪

3.GUI界面（技术栈：tkinter+python） 

a.GUI初始界面

​​​​

b.视频或摄像检测界面

​

（三）总结

以上即为整个项目的介绍，整个项目主要包括以下内容：完整的程序代码文件、训练好的模型、数据集、GUI界面和各种模型指标图表等。

整个项目包含全部资料，一步到位，省心省力！

项目运行过程如出现问题，请及时交流！