YOLOv5 + Deepsort 车辆追踪及速度分析

恩培-计算机视觉:
项目使用yolov5+deepsort多目标追踪，对路面车辆进行跟踪和速度估计，重新训练了车辆检测和表观特征模型以提高检测和跟踪效果。

【回复】太真实了，发了就会有人直接要源码
三客思枕业:
up我有一个想法，刚刚看到法院发布的寻车有奖帖子，寻找一些老赖的车牌号。 但是，号码很多，凭人的记忆力，即使看见了也不记得。 所以能不能做一个车牌号比对系统，通过手机或者车载摄像头拍摄车牌号码，与系统内存储的车牌号码进行比对，如果有一致的车牌号码就发出提示。 这样的系统可以解决社会性的问题，有非常大的实用性。 请参考，如果有可能做出来就太好了[呲牙]

【回复】警用系统早就有，比这个厉害很多，找不到的车，大概率不在路上跑
【回复】有没有一种可能，就是，中国有天网系统
【回复】回复 @握在手里的奶糖 :别听营销号吹牛逼了，你看看出个事能不能找到你就完了，我的评价是小学生别只会转发动态抽奖，多看看新闻😄
bili_67343724626:
1.没有域泛化对不同天气和日照强度不robust，需要不同光照条件下的样本都进行训练，没有实践意义。 2.对于车辆之间可能存在的相互遮挡没有考虑重识别，同样，不能进行实例级别的检测，没有落地价值。 3. 目测估计点位进行相机画面和地图实际位置的仿射变换，误差很大，测速也不准。 总结：没有落地价值，没有算法创新，误差大，相比传统的激光雷达等测速方法没有竞争力。

【回复】虽然但是deepsort考虑了重识别
【回复】回复 @bili_67343724626 :鲁棒性这个东西。抛开deepsort不说，光看yolov5，车辆监测数据集可以说是海量了，数据集够大，数据局增强算法一上，还愁鲁棒性吗，实际落地之前再补充一点实际地点的图片，怎么可能鲁棒性差。
【回复】回复 @贝克汉姆中大分姆 :首先，丢数据进去可以解决工程上的问题我不否认，但并不能根本上解决泛化的问题。况且丢数据说起来容易，做起来是最难的。其次，激光雷达可以精准测速了，摄像头只用于记录车辆信息。你要用摄像头测速，没有精度优势情况下徒增计算消耗，我不明白这样做的意义。
芯月-:
你说我要是把一辆小车开上路，上面套个卡车壳，他会识别成啥。[doge][doge]

【回复】回覆 @含泪寻找南京市民 :还有驾照
【回复】回复 @含泪寻找南京市民 :笑死
人生无处不靑山:
自己开发？github几年前就有这开源项目了

【回复】我只是做应用演示，算法用别人的。
螃蟹汉堡王:
up主，我c++上部署了yolov5+deepsort+tensorrt，但是发现长时间运行时，会出现deepsort一直申请内存，导致爆显存的问题，这个是哪里出现问题了呢

【回复】回复 @恩培-计算机视觉 :我是windows下部署的，跑到后面程序会直接崩溃
【回复】回复 @螃蟹汉堡王 :我想你应该是指嵌入式系统？电脑好像也有吃内存现象，后来检测速度变慢
【回复】回复 @恩培-计算机视觉 :交换内存是指gpu的显存么，还是什么
宇宙超级大宝贝儿:
看见这个框真想给他来一梭子 自动锁头

【回复】已经有人工智能识别爆头了
【回复】射击游戏就是你想的那样的，yolo得到图片标注坐标，操作的库就移动过去biubiu，然后敌人就死了，设计速度碾压人类
真想不出什么好名字:
视频流监控的话一般是看违章，还有一种是泥头车有没有盖布或是在不在禁行区驶入，第一次看有用视频流分析车辆速度的。

【回复】我也是探索，肯定没有雷达准
【回复】回复 @恩培-计算机视觉 : 能不能通过不同帧之间的坐标差距除帧间隔时间差来获取速度
用户已注销2179:
几年前有jiaojing说没那么厉害就是做的视频给大家看的，几年后这项技术是不是真的实现了[滑稽]

二十四桥是知生l:
萧山机场高速，视频中的路甚至识别都是我们最近做的真实项目

鞭策_:
嗯，请教一个问题，为啥yoloV4就很少看到项目呢

【回复】原版的v4只是调用的话还行 修改优化就比较麻烦了
【回复】我是外行啊先说，好像是yoloV5极大的提升运行效率，并且这两者迭代时间非常短，我印象里好像个把月就出来了。
骚林功夫加唱歌跳舞:
交警队天眼系统比这个精细，能查的也更多，不过那时候我只负责监控设备，不负责软件