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（看 shi pin 的简介）：

基于yolov11和deepsort的行人检测与追踪，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

摘要：该项目基于YOLOv11和DeepSORT实现了行人检测、追踪与计数功能，包含完整的PyTorch实现代码、预训练模型权重和PySide6设计的GUI界面。项目支持视频/摄像头实时检测，用户可直接使用预训练模型或自定义训练：通过修改data.yaml配置数据集路径，运行train.py进行模型训练，验证后通过gui.py启动交互界面。系统提供完整的项目结构、训练指标可视化及使用文档，实现开箱即用的目标检测解决方案。项目在PyCharm+Anaconda虚拟环境下开发，包含模型训练、验证到应用的全流程支持。

基于yolov11和deepsort的行人检测、追踪和计数是在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，GUI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

（二）项目介绍

1. 项目结构

​​​​​

2.整个项目使用过程 （具体看项目使用说明文档）

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

yolov11模型训练

1. 修改数据集路径：
    打开yolov11/data/data.yaml, 修改train和val的路径为自己数据集的路径

    2. 模型训练命令：
    1）修改yolov11/train.py中data_yaml变量的路径为data.yaml路径
    2）在 pycharm 或者 vscode 中运行train.py文件，训练完后模型权重保存在yolov11/runs文件夹中

    3. 模型验证命令：
    1）修改val.py中模型权重路径为自己训练好的模型路径，原项目模型权重路径在yolov11/runs/detect/train/weights/best.pt
    2）运行val.py文件，结果保存在yolov11/runs文件夹中
 

模型应用

打开gui.py文件

     1. 修改gui.py中最下面的模型权重路径为自己训练好的模型路径，原项目模型权重路径在yolov11/runs/detect/train/weights/best.pt
    2. 打开gui.py文件并运行此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、GUI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！