飞鸟视觉检测和跟踪Yolov5_DeepSort_Pytorch-master-bird，内含YOLOv5训练好的鸟类检测模型

目标检测检测人+deepsort跟踪人，基于fasterrcnn以使用chainer默认的模型库 SSD的检测模型可私聊

Yolov5 DeepSort跟踪 bytetrack跟踪实例代码， deepsort 跟踪示例代码：track.py ByteTrack超越了此前所有的跟踪方法。 参考资料：https://blog.csdn.net/zhouchen1998/article/details/120932206 bytetrack示例代码：track_byte_demo.py

该工程把yolov5与deepsort相结合，将yolov5算法识别出的目标进行唯一标记，适用于对视频中的移动目标进行实时的识别与追踪，使用opencv库中的算法进行撞线检测和计数，用户可以根据自己的需要更改相应的代码部分来满足实际开发过程中的不同需求，不用下载额外的资源包，直接使用yolov5的虚拟环境即可将本项目run起来，十分的好用

目标追踪篇---Yolov5_DeepSort_Pytorch复现 源代码修改可用，具体过程可看我的博客 https://blog.csdn.net/m0_46825740/article/details/121973155 修改后可以训练自己的数据，比较实用

def distance(self, features, targets): cost_matrix = np.zeros((len(targets), len(features))) key_list = list(self.samples.keys()) for i, target_k in enumerate(targets): target = key_list[i] cost_matrix[i, :] = self._metric(self.samples[target], features) return cost_matrix

1、yolov5-deepsort俯视场景下visdrone数据车辆检测和跟踪，包含YOLOv5训练好的visdrone数据集权重以及各种训练曲线 2、可以生成目标运动轨迹 3、pytorch框架，python代码 4、结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743

1、yolov5-deepsort行人检测和跟踪，包含YOLOv5训练好的行人检测权重以及各种训练曲线，目标类别为person 2、可以生成行人运动轨迹 3、pytorch框架，python代码 4、结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743

记一次调试YOLOv5+DeepSort车辆跟踪项目的经过.doc

deepsort6.1+yolov5 6.1，解压后放入C:\Users\XXXX\.cache\torch\checkpoints 路径