- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器学习AI算法工程
yolov5 行人 车辆 跟踪 检测 计数
实现了 出/入 分别计数。 显示检测类别。 默认是 南/北 方向检测，若要检测不同位置和方向，可在 main.py 文件第13行和21行，修改2个polygon的点。 默认检测类别：行人、自行车、小汽车、摩托车、公交车、卡车。检测类别可在 detector.py 文件第60行修改。 在 main.py 文件中第66行，设置要检测的视频文件路径，默认为 '.
1.5K30编辑于 2021-12-17 - 来自专栏毛利学Python
yolov5 + deepsort实现了行人计数
本项目使用yolov5作为检测器，使用deepsort作为跟踪器，跟踪并计数镜头前走过的行人数量。 代码中设置的是只计数行人的数量，如果要计数其他东西比如车辆之类的也非常简单，只需要稍微修改一下代码即可， 在parser.add_argument('--classes', default=0, type yolo5_config) main(yolo5_config) print("结果保存在：", yolo5_config.output) yolov5 + deepsort实现了行人计数功能 ， 统计摄像头内出现过的总人数，以及对穿越自定义黄线行人计数效果如下
1.6K10编辑于 2022-12-20 - 来自专栏我爱计算机视觉
基于OpenCV与Dlib的行人计数开源实现
基于OpenCV与Dlib的行人计数开源实现 PyImageSearch昨天发布的行人计数的Blog，详述了使用OpenCV和Dlib库中的检测和跟踪算法如何完成该功能。 使用OpenCV中MobileNet-SSD和Dlib中的相关滤波跟踪，达到了实时的行人计数效果。 点击阅读原文，可以在原网站阅读英文原文。
1.3K31发布于 2019-12-27 - 来自专栏AI算法与图像处理
yolov5 deepsort 行人车辆 双向计数 跟踪检测 | 开源项目分享
该项目实现了下面的功能： 实现了 出/入 分别计数。 默认是 南/北 方向检测，若要检测不同位置和方向，开自行修改 默认检测类别：行人、自行车、小汽车、摩托车、公交车、卡车。
3.8K42发布于 2021-03-26 - 来自专栏成套网站
基于YOLOv8模型的行人车辆多目标检测计数与跟踪系统
1、研究背景在智能交通与公共安全领域，行人与车辆的精准检测、计数及跟踪是构建智慧城市、优化交通管理、保障公共安全的核心技术需求。 其中，目标检测与多目标跟踪（Multi-Object Tracking, MOT）技术作为计算机视觉的关键分支，能够实现对动态场景中行人与车辆的实时定位、分类、计数及轨迹追踪，为交通流量统计、异常行为预警 本研究以YOLOv8为基础，针对行人车辆多目标检测计数与跟踪任务，探索其在实际交通场景中的适应性优化方法，通过融合改进的检测算法与轻量化跟踪框架，旨在提升复杂环境下的鲁棒性与实时性，为智能交通系统提供高效 2、研究意义在智能交通与公共安全领域，基于 YOLOv8 模型的行人车辆多目标检测计数与跟踪系统研究具有重大且深远的意义。从交通管理层面来看，精准的行人车辆检测计数能够实时获取道路上的交通流量信息。 3、研究现状当前，基于YOLOv8模型的行人车辆多目标检测计数与跟踪系统研究已成为计算机视觉领域的热点方向，并取得了显著进展。
1.1K10编辑于 2026-01-04 基于yolov8的行人检测计数系统python源码+onnx模型+精美GUI界面
【算法介绍】 基于YOLOv8的行人检测计数系统是一种高效、准确的智能交通监控系统。该系统利用YOLOv8这一先进的目标检测算法，结合PyQt5图形界面框架开发而成，具备实时检测和计数行人的能力。 YOLOv8算法在保证检测速度的同时，显著提高了检测精度，能够快速准确地识别出行人的位置并进行计数。PyQt5框架则提供了简洁明了的用户界面，使得系统操作便捷。 总的来说，基于YOLOv8的行人检测计数系统以其高效、准确和易用性，为城市交通规划、人流控制和安全管理提供了强有力的数据支持。
22911编辑于 2025-07-16- 来自专栏千行百业数据集中心
yolov8目标跟踪与行人车辆计数 DeepSORT跟踪 目标检测+目标跟踪+数据集
来实时查看结果：展开代码语言：TXTAI代码解释pythonpredict.pymodel=yolov8l.ptsource="test3.mp4"show=True下载更新后的predict.py文件以支持车辆计数若要启用车辆计数功能 运行YOLOv8目标检测+跟踪+车辆计数代码最后，再次运行修改后的predict.py脚本来执行目标检测、跟踪以及车辆计数：展开代码语言：TXTAI代码解释pythonpredict.pymodel=yolov8l.ptsource
10410编辑于 2026-05-31 - 来自专栏数据派THU
独家｜利用OpenCV,Python和Ubidots来构建行人计数器程序（附代码&解析）
本文将利用OpenCV，Python和Ubidots来编写一个行人计数器程序，并对代码进行了较为详细的讲解。 这种其中最常见的当属行人检测和计数 - 这对于机场、火车站、零售店体育馆、公共活动和博物馆来说都是一项非常有用的指标。 现有的传统行人计数技术不仅价格昂贵，而且它们所生成的数据通常与专有系统相关联，这些系统限制了数据提取和KPI的优化选择。 在本文中，我们将介绍如何使用OpenCV和Ubidots来实现简单的DIP叠加并创建行人计数器。 通过这些服务，在对人物、场景或事物的检测与识别问题上，你的DIP应用程序会比PIR或其他光学传感器更加准确 – 这套程序提供了高效的行人计数器，而且不需要对早期数据的静态进行任何操作。
1.7K20发布于 2019-08-21 - 来自专栏机器学习、深度学习
行人检索
quadruplet network for person re-identification CVPR2017 https://arxiv.org/abs/1704.01719 本文使用深度学习进行行人检索
1.1K20发布于 2019-05-26 - 来自专栏嵌入式、安防、流媒体、AI分析
行人跟踪浅析
在图像中识别出人物并在人物上标注矩形边界框，同时计算出矩形的中心坐标（质心），并标注其唯一ID。
84630编辑于 2023-01-04 智慧交通基于yolov8的行人车辆检测计数系统python源码+onnx模型+精美GUI界面
【算法介绍】 智慧交通中，基于YOLOv8的行人车辆检测计数系统是一项高效、准确的技术解决方案。 该系统利用YOLOv8这一先进的目标检测算法，结合深度学习技术，能够实时检测并准确计数道路上的行人和车辆。YOLOv8在保证检测速度的同时，显著提升了检测精度，能够快速识别并定位目标对象。 总的来说，基于YOLOv8的行人车辆检测计数系统以其高效、准确和易用性，为智慧交通的发展提供了强有力的技术支撑。
31010编辑于 2025-07-16- 来自专栏机器学习、深度学习
行人姿态估计
Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields CVPR 2017 Code: https://github.com/ZheC/Realtime_Multi-Person_Pose_Estimation 效果演示视频： https://youtu.be/pW6nZXeWlGM 如果可以看youtu 的话
70330发布于 2019-05-26 - 来自专栏企鹅号快讯
用于大规模行人重识别的行人对齐网络
现阶段行人重识别的发展一部分是归因于大数据集和深度学习方法的出现。现有大数据集往往采用自动检测的方法，比如 DPM 来检测行人，把行人从背景中切割出来。或者花钱，邀请很多标注者一起来抠人，标注数据。 因为 行人对齐和行人识别是可以互利互惠的两个问题。 当我们做行人识别的时候，行人人体是高亮的（可以见如下的热度图），背景中不含重要信息，自然就区分出来了。 而反过来，当行人数据对齐得好的时候，行人识别也可以识别得更准。 达到互相帮助的目的。 下图为对齐的效果 （上一行为原始检测，下一行为对齐后的结果）。 在 Market1501 中包含 751 个不同行人的训练数据，故在示例图像中，最后 fc 是到 751 类，执行行人识别的预测。 量化的行人重识别指标也都不错。
3.8K80发布于 2018-03-05 - 来自专栏AI科技评论
深度 | 用于大规模行人重识别的行人对齐网络
现阶段行人重识别的发展一部分是归因于大数据集和深度学习方法的出现。现有大数据集往往采用自动检测的方法，比如 DPM 来检测行人，把行人从背景中切割出来。或者花钱，邀请很多标注者一起来抠人，标注数据。 因为 行人对齐和行人识别是可以互利互惠的两个问题。 当我们做行人识别的时候，行人人体是高亮的（可以见如下的热度图），背景中不含重要信息，自然就区分出来了。 而反过来，当行人数据对齐得好的时候，行人识别也可以识别得更准。 达到互相帮助的目的。 ? 下图为对齐的效果 （上一行为原始检测，下一行为对齐后的结果）。 在 Market1501 中包含 751 个不同行人的训练数据，故在示例图像中，最后 fc 是到 751 类，执行行人识别的预测。 而关键的 θ 其实也是由第二网络的 loss 来进行调整，也就是一开始说的，利用识别行人的 loss 来指导 行人对齐网络的学习，不需要额外的标注信息。
2.4K80发布于 2018-03-14 - 来自专栏技术汇总专栏
人群计数、行人检测数据集（9000张图片已划分、已标注） | AI训练适用于目标检测任务
人群计数、行人检测数据集（9000张图片已划分、已标注） | AI训练适用于目标检测任务随着智慧城市与视频监控系统的广泛应用，人群检测与计数成为计算机视觉领域的重要研究方向之一。 如果你想进行人群密度估计，可将检测结果结合计数逻辑实现区域人数统计。 四、适用场景该数据集可广泛应用于多种 AI 视觉任务中，包括但不限于：♀️ 行人检测（Pedestrian Detection） 人群计数（Crowd Counting） 视频监控异常检测️ 智慧城市人流分析 在人群检测场景中，目标检测算法可实现对行人的精准识别与定位，进而用于人群计数、密度分析、安全监控等任务。目标检测在人群计数任务中起到基础性作用。 本文介绍的《人群计数、行人检测数据集（9000张图片）》为AI目标检测任务提供了一个高质量、易上手的基础数据源。数据集已完成标注与划分，支持YOLO等主流检测框架，开发者仅需替换路径即可直接开始训练。
2.2K20编辑于 2025-10-17 - 来自专栏学习
【数据结构&&计数排序】计数排序
非比较要求输入数据满足一定条件，或者对数据特征进行合理利用 常见的非比较排序算法包括 计数排序 通常适用于范围比较小的整数排序，通过统计每个元素的出现次数，然后将元素按顺序放入数组 桶排序 将数据放到若干个桶中 ，随后对每个桶进行排序，最后再将所有桶的数据进行合并 基数排序 通过将待排序数值按位数分组，逐位进行排序，通常配合计数排序实现 计数排序 计数排序是一种非比较的排序算法，适用于特定条件下的排序，尤其是当待排序的元素范围较小其重复元素较多的时候 ，数组的大小通常为最大值和最小值的差+1，用于存放每个元素的出现次数 3.计数：遍历原始数组，统计每个元素相同的次数，对每个元素在计数数组中对应的位置进行计数。 即：若元素为x，则计数数组的第x位置加一。 4.计算位置：通过累加计数数组的数值，得到每个元素在已排序数组中的最终位置。 5.排序输出，根据计数数组生成的已排序数组，遍历计数数组，按次数将对应的元素输出到结果数组中 计数排序的时间复杂度O（n+k），其中n是待排序元素的数量，k是计数数组的大小。
66010编辑于 2024-12-24 【HDU】5701 - 中位数计数（计数 & 思维）
51Nod题目链接：点击打开题目 HDU题目链接：点击打开题目 中位数计数 Time Limit: 12000/6000 MS (Java/Others) Memory Limit: 65536 1 2 3 4 5 Sample Output 1 2 3 2 1 Source 2016"百度之星" - 初赛（Astar Round2B） 中文题： 1682 中位数计数 遇到一个大的就+1，一个小的就-1，遇到0就直接在ans上计数。 然后扫到右边的时候，如果碰到和前面的数互为相反数的时候，那么以这个数为右区间，可以和前面的每一个该数量的数都形成一个区间。
29810编辑于 2025-08-27- 来自专栏caoqi95的记录日志
Python 进行人脸校正
在做人脸识别的时候，前期的数据处理过程中可能会遇到一个问题，即将人脸从不同尺寸的图像中截取出来，再进行“对齐”操作。这样可以使每一个截取的人脸中的眼睛等位置处于同一位置，会对后面的识别算法起到一定的优化作用。
2.9K30发布于 2019-03-28 - 来自专栏kyle的专栏
计数质数
若一个数为质数，则它的n倍就一定是一个合数。初始化数组isPrimes，数量为n，每一项赋值为1。遍历数组isPrimes，当它为1时说明是一个质数，之后求出它的n倍，并赋值0。
1.7K00发布于 2020-12-06 - 来自专栏Tech Explorer
Church计数
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 ;Church计数 multi (add one two) two)) (show-num (expon two two)) (show-num (expon (expon two two) two)) Church计数 Church计数就是这个思想。 show-num用来把Church计数方式的数字转换成普通数字。
1K20发布于 2021-06-25
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号