一、源码描述
YOLO8行人统计系统

二、功能介绍
 yolov8行人统计 yolov8多目标跟踪算法实现的人流量统计
[hot]传统的基于yolo和多目标跟踪算法的跟踪计数都是把区域(线)的位置写固定，把视频文件写固定，换一个视频画面基本就不能检测了，本系统有文件选择GUI界面，支持用户根据自己待检测的视频划定区域，然后进行跟踪检测。
区域你来定！文件你来选！实现了单道双向人流量分别计数
[1]源码有非常详细的注释，手把手教会yolo8的追踪计数功能，该项目教程可拓展至其它越界统计计数，比如车辆计数，车辆禁停闯入统计……
[2]8页的环境配置文档，不用担心配置不好环境，跟着文档来
[3]详细的技术实现讲解文档，不仅仅是源码有注释，还附带文档解析yolo8结合多目标跟踪算法一步步实现行人，车辆跟踪统计
提醒：这里直接使用YOLO官方提供的在coco数据集上训练好的原始模型，无需自己训练，无数据集
特别注意：本项目非成品软件，需要按照环境配置文档配置python环境源码运行

三、注意事项
1.运行该项目先要pip 安装 requirements.txt中的包哦（仔细查看 requirements.txt中的内容，禁止直接 pip install -r requirements.txt）。确保自己的环境中有这些必要的依赖(推荐使用anaconda为项目单独创建一个虚拟环境,python==3.10)
2.配置好运行环境之后,运行find_region_and_exec.py文件,运行该py文件会弹出文件选择窗口，在此窗口选择要进行跟踪检测的视频文件（仅支持.mp4 .avi .mov且视频编码正确的视频），然后程序会播放该视频,敲击键盘空格键，视频会暂停播放并进入编辑界面,然后就可以在画面上划定区域了。按照下面的步骤进行区域划定:
        1 鼠标左键点击选点
        2 选两个点之后（两个点自动连线）,自动退出编辑页面，然后等待一段时间系统自动弹窗
特别注意:运行find_region_and_exec.py进入编辑页面，在视频中选两个点连线之后，程序会自动退出，此时不是程序有bug，相反程序是在正常执行，等待一段时间之后又会弹窗显示，此时才是按照画的线统计人流量。
3.目标跟踪是建立在目标检测的基础之上，非常耗费算力，有gpu一定要用gpu推理，特别注意：如果没有英伟达显卡,视频或者摄像头实时推理速度会很慢很慢,但是如果有显卡推理速度还是很慢,检查自己的环境pytorch是不是装成了cpu版本的,要安装成gpu版本的torch推理速度才会快
4.推理速度非常慢,如何加速。有以下几点优化建议：(1)有gpu要用gpu推理(2)加载更小的yolo8模型(yolo8n、8s、8m、8l、8x模型权重依次增大,检测精度依次增高,推理速度依次减慢,速度与精度不可兼得)（3）替换追踪算法，
yolo8中内置了byte-tacker与BoT-Sort两个多目标检测算法,这两个算法与经典的Sort、DeepSort相比检测精度高，但检测速度不如这两个经典算法。可以考虑替换yolo8内置的目标跟踪算法为DeepSort算法或者Sort算法，但要权衡检测速度与精度互相矛盾的问题.
5.如何提高检测精度、跟踪精度：加载更大的yolo8模型(yolo8n、8s、8m、8l、8x模型权重依次增大,检测精度依次增高,但速度与精度不可兼得);yolo8中内置了byte-tacker与BoT-Sort两个多目标检测算法,Bot-Sort算法精度更高
#python版本不强制要求，但最好为3.10
#cpu环境与gpu环境根据自己有无英伟达显卡选择
#cpu环境(若虚拟环境中无pytorch,ultralytics底层自动依赖下载cpu版本的torch,如对项目的检测速度有要求请安装gpu版本的torch)
ultralytics==8.0.170
onnx==1.14.1
onnxruntime==1.15.1
#gpu环境(这里安装的是gpu版本的torch,请到pytorch官网复制与你的英伟达显卡驱动所支持的cuda版本对应的安装命令,下面以cuda 11.8为例给出示例命令)
# pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 （先在环境中下载好gpu版本的torch，再安装ultralytics）
# pip3 install ultralytics==8.0.170