基于yolov5和deepsort实现车辆检测、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：

yolov5+deepsort实现车辆检测、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yolov5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，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：

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） 模型训练
     a. 打开yolov5/data/data.yaml, 修改train和val的路径为自己数据集的路径
     b. 运行yolov5/train.py文件，开始训练模型

（2）模型验证

     a. 打开yolov5/val.py文件, 修改parse_opt()函数中的weight参数为自己训练好的权重文件路径
     b. 运行yolov5/val.py文件，开始模型验证

（3）目标追踪相关操作

     1.打开gui.py文件, 修改--yolo_model参数为自己训练好的权重文件路径
     2.打开gui.py文件，修改--deep_sort_model参数为deep_sort的权重文件路径, 同时把对应的权重放到deep_sort文件夹下
     3.打开gui.py文件, 修改--classes参数为自己数据集的类别的索引（可追踪一个类别，也可以追踪多个类别）
     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！