
AL_Yolo
实时检测画面目标并自动跟踪,低延迟响应
AL_Yolo 是一个基于 YOLOv5 的实时计算机视觉系统,专注于低延迟的视觉目标检测与跟踪。它把 YOLOv5 的检测能力与屏幕采集、鼠标控制等模块结合,常用于游戏或视频画面中的自动瞄准、目标锁定等场景。项目使用 Python 编写,依赖 CUDA 和 apex 进行 GPU 加速,以尽可能降低推理延迟。核心能力包括:实时读取屏幕或视频帧,调用 YOLOv5 模型完成目标检测,对检测结果进行跟踪与平滑处理,并可通过鼠标或键盘输出控制信号。它解决的是在动态画面中快速发现并持续跟踪目标的问题,适合需要毫秒级响应的视觉反馈任务。项目结构相对简单,便于二次开发和替换模型,但整体偏向特定用途,通用性有限。
开源
free
计算机视觉
GitHub 星标
★ 365
维护状态
较活跃
是否开源
是
定价模式
free
项目数据
分类计算机视觉
开发团队EthanH3514
所属国家
定价模式free
价格说明开源免费,需自行部署
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型apex,computer-vision,cuda,cv,game,object-detection,real-time,yolo,yolov5
GitHub 星标★ 365
30天Star增速
HF 下载量
上线时间2023-05-22 00:00:00
最近更新2026-09-10 00:00:00
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-18
浏览次数0
使用教程
核心亮点
- 基于 YOLOv5,检测精度和速度在同类方案中较均衡
- 集成屏幕采集与鼠标控制,可直接用于实时跟踪场景
- 使用 CUDA 和 apex 加速,推理延迟较低
不足之处
- 项目早期,文档和示例较少,上手需要自行摸索
- 功能偏向特定用途,通用视觉任务支持有限
适用场景
- 游戏画面中的目标自动检测与跟踪
- 视频监控中的实时目标锁定
- 需要低延迟视觉反馈的自动化测试或演示
替代项目
yolov5、deep_sort、OpenCV
项目介绍
上一篇:roboflow-python
下一篇:FILTER.js
同类项目推荐
modlens
开源
给纯文本编码代理装上眼睛,粘贴图片即刻获得结构化视觉证据。
The first vision plugin for DeepSeek Harness, and the vision bridge for every text-o···
opencv
开源
开箱即用的视觉算法库,搞定图像视频处理与识别
Open Source Computer Vision Library
OpenCVTutorials
开源
中文 OpenCV 教程,从入门到实战,边看边跑代码
OpenCV-Python4.1 中文文档
DEIMv2
开源
用DINOv3做实时检测,又快又准,直接落地。
[DEIMv2] Real Time Object Detection Meets DINOv3