yolov7-object-tracking
几行命令跑通 YOLOv7 检测加 SORT 跟踪,视频里目标自动带 ID
这是一个把 YOLOv7 目标检测与 SORT 跟踪算法结合起来的开源示例项目,使用 PyTorch 做模型推理、OpenCV 处理视频流与画面绘制。它解决的是「只想快速跑通检测+跟踪,不想自己拼装代码」的问题:输入一段视频或摄像头画面,模型逐帧检测出行人、车辆等目标,再由 SORT 根据检测框的位置和运动做帧间关联,给每个目标分配稳定 ID,从而输出带轨迹的跟踪视频。核心能力包括:加载 YOLOv7 权重进行实时检测、SORT 卡尔曼滤波加匈牙利匹配实现多目标跟踪、可调置信度与 IOU 阈值、支持保存结果视频,代码结构简单,适合作为二次开发或教学演示的起点。
开源
free
计算机视觉
GitHub 星标
★ 653
维护状态
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RizwanMunawar
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AGPL-3.0
主要语言Python
技术栈/模型computer-vision,deep-learning,object-detection,opencv-python,tracking-algorithm,ultralytics,ultralytics-yolo,yolov7,yolov8
GitHub 星标★ 653
30天Star增速
HF 下载量
上线时间2022-08-21 00:00:00
最近更新2026-09-11 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-13
浏览次数1
使用教程
核心亮点
- 把 YOLOv7 检测和 SORT 跟踪串成完整可运行流程,省去自己搭管线的功夫
- 依赖 PyTorch 与 OpenCV,环境常见,权重和视频路径改改就能跑
- 代码量小、结构直白,适合当跟踪入门模板或课程演示
不足之处
- SORT 只靠运动模型,遮挡或目标交叉时 ID 容易跳变,没有 ReID 外观特征
- 项目偏早期,YOLOv7 本身已不是最新检测器,长期维护和新特性跟进有限
- 缺少多目标跟踪标准数据集上的评测指标,效果好坏主要靠肉眼判断
适用场景
- 教学演示:给学生展示检测加跟踪的完整链路
- 快速原型:在自有视频上验证跟踪思路是否可行
- 安防或客流统计的入门验证:先跑通再考虑换更强跟踪器
替代项目
ultralytics、BoxMOT、deep_sort_pytorch
项目介绍
上一篇:paz
下一篇:AlbumentationsX
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