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
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 365
维护状态 较活跃
是否开源
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
官网地址
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
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

AL_Yolo 是一个计算机视觉领域的开源项目,官方简介:A real-time computer vision system for low-latency visual target detection and tracking, powered by YOLOv5.。项目使用 Python 开发,在 GitHub 上获得 365 星标。

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···

★ 3995 2026-08-19
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

★ 90893 2026-08-10
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

★ 1430 2026-08-20
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

★ 2035 2026-08-14