https://github.com/mikel-brostrom/yolov8_tracking

项目名：Real-time multi-object tracking and segmentation using Yolov8

（1）它的识别和分割是YOLO8完成的。它的多目标追踪是由后面四种算法实现的（botsort,bytetrack,ocsort,strongsort）

（2）它这个是实时的Real-time，识别、跟踪、分割的速度很快

这个代码是是23年2月11号发布的

如果你想了解YOLOv8的模型细节和里面每个流程，可以阅读这篇博客https://blog.csdn.net/Albert233333/article/details/130044349

如果这篇博客对你有帮助，希望你 点赞、收藏、关注、评论，您的认可将是我创作下去最大的动力！

环境配置

torch要求1.7，我满足
要求安装ultralytics==8.0.20（但是这个是错的，你必须安装最新版本的ultralytics，否则会报错）
# 我这一边用的环境的名字是(py380tc170) 

# 下面这些包需要安装，否则无法运行
pip install psutil
pip install thop

特别提示，非常重要，一定要安装ultralytics最新版本（2023-02-23这个时间点，是'8.0.40'这个版本），否则会遇到下面这样的报错

"/yolov8_tracking/yolov8/ultralytics/nn/a
utobackend.py", line 19, in <module>from ultralytics.yolo.utils.downloads import
attempt_download_asset, is_url

ImportError: cannot import name
'attempt_download_asset' from 'ultralytics.yolo.utils.downloads' (/home/anaconda3/envs/py380tc170/lib/python3.8/site-packages/ultralytics/yolo/utils/
downloads.py)

以及这样的报错

/yolov8_tracking/yolov8/ultralytics/
yolo/data/build.py", line 12, in <module> from ultralytics.yolo.data.dataloaders.stream_loaders import (
LOADERS, LoadImages, LoadPilAndNumpy, LoadScreenshots,

ImportError: cannot import name
'LOADERS' from 'ultralytics.yolo.data.dataloaders.stream_loaders' (/home/anaconda3/envs/py380tc170/lib/python3.8/site-packages/ultralytics/yolo/data/dataloaders/
stream_loaders.py)

因此

pip install ultralytics==8.0.40

在tracking.py line359注释掉这个函数的执行

因为如果你不注释这一行。一旦你运行这个trackiung.py的代码，就会自动按照requirement.txt里面写好的这些东西逐一排查是否符合要求，不符合要求的会重新安装。比如这个ultralytics现在的版本是8.0.40，但是requirements.txt里面必须是8.0.20所以给你重装回了8.0.20，再次引发报错。

check_requirements(requirements=ROOT / 'requirements.txt', exclude=('tensorboard', 'thop'))

运行代码

作者这个默认的是用分割的YOLOv8模型，这个模型在在我这里报错。因此我换成了仅仅做识别的YOLOv8模型

这个地方，找模型文件

https://github.com/ultralytics/assets/releases

https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8n.pt

然后在tracking.py line316这个位置修改，将识别过程调用的模型,从“yolov8s-seg.pt”，更改为'yolov8n.pt

parser.add_argument('--yolo-weights', nargs='+', type=Path, default=WEIGHTS / 'yolov8n.pt', help='model.pt path(s)')

如果你不换成纯识别的模型，而是继续沿用 带分割的模型，会有下面这样的报错，说你矩阵维度不匹配

Traceback (most recent call last):
  File "track.py", line 371, in <module>
    main(opt)
  File "track.py", line 366, in main
    run(**vars(opt))
  File "/home/albert/anaconda3/envs/py380tc170/lib/python3.8/site-packages/torch/autograd/grad_mode.py", line 26, in decorate_context
    return func(*args, **kwargs)
  File "track.py", line 216, in run
    masks.append(process_mask(proto[i], det[:, 6:], det[:, :4], im.shape[2:], upsample=True))  # HWC
  File "/media/F:/FILES_OF_ALBERT/IT_paid_class/graduation_thesis/model_innov/yolov8_tracking/yolov8/ultralytics/yolo/utils/ops.py", line 595, in process_mask
    masks = (masks_in @ protos.float().view(c, -1)).sigmoid().view(-1, mh, mw)  # CHW
RuntimeError: mat1 dim 1 must match mat2 dim 0
terminate called without an active exception

tracking.py line 165,这句话，将最后一个参数去掉

# p = non_max_suppression(preds[0], conf_thres, iou_thres, classes, agnostic_nms, max_det=max_det, nm=32)

# p = non_max_suppression(preds[0], conf_thres, iou_thres, classes, agnostic_nms, max_det=max_det)

如果你不去掉，就会报这样的错

  File "track.py", line 165, in run
    p = non_max_suppression(preds[0], conf_thres, iou_thres, classes, agnostic_nms, max_det=max_det, nm=32)
TypeError: non_max_suppression() got an unexpected keyword argument 'nm'

运行代码，识别的过程，显示出来，tracking.py的 line355这样修改

# line355
# 原来的
# parser.add_argument('--show-vid', action='store_true', help='display tracking video results')
# 更改以后
parser.add_argument('--show-vid', default=True,action='store_true', help='display tracking video results')

把识别后的录像保存下来，tracking.py的 line367这样修改

这样修改以后，识别的录像保存在了这个位置“runs/track/exp8”，这个录像上有全部的识别框

# line367
# 修改前
# parser.add_argument('--save-vid', action='store_true', help='save video tracking results')
# 修改后
parser.add_argument('--save-vid', default=True,action='store_true', help='save video tracking results')

电脑摄像头识别

python track.py --source 0

图片识别+计数

python track.py --source ./val_data/bus.jpg
# 结果：val_data/bus.jpg: 640x480 3 persons, 1 bus, 11.0ms
# 数出了图中的人数，3个人，一辆车


python track.py --source ./val_data/15_persons.PNG
# 结果：PNG: 256x640 11 persons, 2 bicycles
# 12个人数出11个，（这是一个参数最少的模型，情有可原），之前的yolo5只数出7个人，比YOLOv5进步很大了

视频识别

python track.py --source ./val_data/Traffic.mp4

可以运行数出来的是每一帧图中汽车的数量，有三辆，有四辆，有两辆

3 cars, 9.7ms
4 cars, 9.3ms
(no detections), 7.8ms
1 car, 8.3ms

视频识别结果，在这里看./runs/track/exp