基于yolov8+deepsort的多目标跟踪完成行人、车辆计数和越界检测

​

 一 、基本概念：

1. MOT（多目标跟踪）：每一帧定位每一个目标，并绘制其运动轨迹；

2. DeepSORT通过融合动作和外观信息来实现更准确的关联，它使用ReID网络来提前目标外观特征，提升了对缺失和遮挡部分的鲁棒性

 二、整体流程

（1）、Input->初始化metrix->yolov8进行detection得到bbox和features->筛选掉confidence小于yaml文件设定的min_confidence的目标->NMS(optional)->track.predict->track.update->输出bbox.identities；

（2）、DeepSort进行Matching Cascade:对detection使用匈牙利算法(门控余弦距离）进行匹配级联，同时使用卡尔曼滤波结合检测到的数据对上一层的detection进行更新，然后将未匹配的、高度匹配的和更新的轨迹进行IOU匹配，对连续三帧都未匹配到的轨迹进行筛选过滤。总体流程如图

​

三、环境搭建

1) 下载Visual Studio 社区版

下载链接：下载 Visual Studio Tools - 免费安装 Windows、Mac、Linux

2) cuda、cudnn、Anaconda的安装和环境变量的配置

3) 使用安装虚拟环境： conda create -n mypytorch python=3.9；

4) 下载并安装Git，在Git CMD窗口中执行以下代码完成yolov8的克隆：              git clone https://www.wpsshop.cn/w/花生_TL007/article/detail/499988