更多目标检测和图像分类识别项目可看我主页其他文章

功能演示：

基于yolov8和deepsort的行人检测、追踪和计数，可用自己的数据集训练模型，支持视频和摄像的实时检测【pytorch，python源码】_哔哩哔哩_bilibili

（一）简介

本文介绍了一个基于YOLOv8和DeepSort的车辆检测、追踪与计数系统。项目采用PyTorch框架实现，包含完整代码、预训练模型权重、训练记录和PySide6设计的GUI界面，支持USB摄像头或笔记本摄像头实时检测。用户可直接使用预训练模型，或通过修改data.yaml文件路径重新训练模型。系统提供可视化检测界面，并包含YOLOv8模型性能指标图表。该项目开箱即用，节省开发时间，适合快速部署车辆检测追踪应用。若运行遇到问题，作者提供技术支持交流。

基于yolov8和deepsort实现车辆检测、追踪和计数系统是在pytorch框架下实现的，这是一个完整的项目，包括代码，训练好的模型权重，模型训练记录，ui界面等。

GUI界面由pyside6设计实现；可外接usb摄像头或直接使用笔记本摄像头实现检测与追踪功能。

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：

超详细的pycharm+anaconda搭建python虚拟环境_pycharm配置anaconda虚拟环境-CSDN博客

pycharm+anaconda搭建python虚拟环境_哔哩哔哩_bilibili

（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.  yolov8模型训练
     1). 修改数据集路径：打开yolov8/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
     2). 运行train.py文件，训练模型，训练完成后，结果保存在yolov8/runs中

     3). 修改val.py文件中训练好的模型路径，运行val.py文件，验证模型，验证完成后，结果保存在yolov8/runs中

2. 模型应用

打开gui.py文件

     1）修改gui.py文件中最下面的model_dir0为自己训练好的yolov8模型权重的路径
     2）运行gui.py文件即可使用训练好的模型
 

3. 部分数据展示

4.GUI界面（技术：pyside6+python+opencv） 

a.GUI初始界面

​​​​​

b.视频或摄像检测界面

​​

5. yolov8模型的一些指标图表等 

（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、UI界面和各种模型指标图表等。

整套包含项目全部内容，一步到位，拿来就用，尽可能节省时间精力，做到省力省力！ 

项目运行过程如出现问题，请及时交流！