前言

用了将近2年的yolov5了，之前主要做目标检测后面，还做了yolov5的分割任务和模型转换，现在又有了新任务了。是时间玩玩新模型了。
最好的方式是看文档：https://docs.ultralytics.com/

可以看到和以前相比，yolov已经由一个目标监测的模型，变成了一个综合魔板，可以做包括物体检查、跟踪、实例分割、图像分类和姿态估计任务的绝佳选择。
在这里可以下载它的预训练模型：https://github.com/ultralytics/ultralytics/blob/main/README.zh-CN.md
比如监测：
在这里插入图片描述
分割：

分类：

姿态估计：

1.任务追踪

git:https://github.com/mikel-brostrom/yolov8_tracking
Real-time multi-object, segmentation and pose tracking using Yolov8 with DeepOCSORT and LightMBN

1.1 搭建环境

# yolov8 现在格高了,封装成库了
pip install ultralytics
pip install lap filterpy easydict
pip install gdown

这里没有完成安装requirement.txt上来,本身有torch环境,不是从0开始的.

在这里下载,重识别的权重:https://kaiyangzhou.github.io/deep-person-reid/MODEL_ZOO
在这里插入图片描述
放到weights文件夹下.

运行命令即可:

$ python track.py --yolo-model yolov8n.pt      # bboxes onlyyolov8n-seg.pt  # bboxes + segmentation masksyolov8n-pose.pt # bboxes + pose estimation

这是最简单的方式,其它的都走默认

$ python track.py --source 0 --yolo-model yolov8n.pt --img 640yolov8s.tfliteyolov8m.ptyolov8l.onnx yolov8x.pt --img 1280...

source 0 是默认走webcam,电脑摄像头

在这里插入图片描述
用摄像头,默认是带显卡的,10ms一张图,显卡站30% 12G 3070 , 感觉还可以.
因为已经能够追踪了,只需要业务化,画一条线,就能计数了.有需要的来留言,我来实现.
也可以多来几个参数: --show --save 会保留文件,并且显示出识别情况.

在这里插入图片描述
–classes 16 17 可以过滤类别

2.跨摄像头追踪(进阶)

https://blog.csdn.net/qq_42312574/article/details/128880805
跨摄像头一直是自己想尝试的方向,终于找到了关键词:Multi-Target Multi-Camera Tracking （MTMC Tracking）
https://zhuanlan.zhihu.com/p/35391826, 罗大神的,不过年代稍微有点长,估计现在有了新sota了.

https://github.com/JunweiLiang/Object_Detection_Tracking base Tensorflow的就是跨摄像头追踪的,有效果图
https://github.com/Jason-cs18/Awesome-Multi-Camera-Network 列了好多学习资料,没代码
https://github.com/SurajDonthi/Multi-Camera-Person-Re-Identification/tree/master 这个是基于torch的2021年的
https://github.com/cw1204772/AIC2018_iamai 这个是2018年的,也有代码, 好像是追踪车辆的

总结

yolov8 作者大佬解析yolov8的内容
https://www.bilibili.com/video/BV17D4y1N7Zz/?spm_id_from=333.337.search-card.all.click&vd_source=3f7ae4b9d3a2d84bf24ff25f3294d107