【Udemy中英字幕】Object Tracking, Detection, Car Speed, Pose Estim in Python

使用 Python 进行对象跟踪、检测、车速、姿势估计

使用 Python 进行视频对象跟踪、车辆速度估计、对象检测、对象分割和姿势估计

讲师：Dr. Mazhar Hussain

双语IT资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

您将学到什么

使用 Python 编码对视频进行对象跟踪
使用 Python 编码估算车辆速度
使用 Python 进行姿势估计和关键点检测
使用 Python 在自定义数据集上进行对象分割
使用 Python 在自定义数据集上进行对象检测
使用 YOLOv8 和 Python 编码进行对象分类
使用 ByteTrack 和 BotSort 跟踪算法进行对象跟踪
使用 Python 进行 YOLOv8 车辆视频实例分割
使用 Python 进行 YOLOv8 足球运动员视频对象检测
实时测试、训练和部署 YOLOv8 模型

探索相关主题

物体检测
数据科学
发展

要求

需要有 Google Gmail 帐户才能开始使用 Google Colab 编写 Python 代码
无需具备计算机视觉和深度学习的先验知识。所有内容都将通过实践培训涵盖

描述

通过我们全面的课程踏上计算机视觉和深度学习的奇妙世界之旅，该课程旨在让您掌握使用 Python 进行视频对象跟踪、车辆速度估计、对象检测、对象分割和姿势估计的技能。本课程融合了理论和实际应用，为您提供构建复杂系统的知识，这些系统可以解释和理解来自我们周围世界的视觉信息。无论您是初学者还是希望提高自己的专业知识，本课程都将为您在动态的计算机视觉和深度学习领域中脱颖而出铺平道路。让我们简要介绍一下您将在本课程中学习的计算机视觉和深度学习任务。

使用 Python 进行对象跟踪： •视频分析领域的对象跟踪是一项关键任务，它不仅可以识别帧内对象的位置和类别，还可以为视频中检测到的每个对象维护唯一的 ID。它涉及识别和监控特定对象随时间的运动和行为，通常是在动态或复杂的环境中。对于对象跟踪，您将使用两种著名的对象跟踪算法：

1. BotSort： BotSort 算法采用多种技术，包括特征提取、聚类和跟踪，以识别和跟踪视频帧或序列中的对象。

2. ByteTrack： ByteTrack 利用最先进的深度学习架构和优化技术，有效地跟踪视频序列中的对象，同时保持稳健性和准确性。
使用 Python 估算车辆速度： 速度估算是在给定上下文中计算物体移动速率的过程，通常用于计算机视觉应用。使用 Ultralytics YOLOv8，您可以使用物体跟踪以及距离和时间数据来计算物体的速度，这对于交通和监视等任务至关重要。速度估算的准确性直接影响各种应用程序的效率和可靠性，使其成为智能系统和实时决策过程发展的关键组成部分。
使用 Python 进行姿势估计：姿势估计是一项涉及识别图像中特定点（通常称为关键点）位置的任务。关键点可以表示物体的各个部分，例如关节、地标或其他独特特征。关键点的位置通常表示为一组 2D [x, y] 或 3D [x, y, 可见] 坐标。姿势估计模型的输出是一组点，这些点表示图像中物体上的关键点，通常还带有每个点的置信度分数。当您需要识别场景中物体的特定部分及其相互位置时，姿势估计是一个不错的选择。
自定义数据集上的对象分割： 对象分割是一项计算机视觉任务，用于在像素级别检测和分割单个对象。实例分割比对象检测更进一步，涉及识别单个对象并将其与其余区域分割开来。实例分割模型的输出是一组用于勾勒出图像中每个对象的蒙版或轮廓，以及每个对象的类标签和置信度分数。当您不仅需要知道对象在图像中的位置，还需要知道它们的确切形状时，实例分割非常有用。
自定义数据集上的对象检测：对象检测是一项计算机视觉任务，涉及识别图像或视频流中对象的位置和类别。对象检测器的输出是一组包围图像中对象的边界框，以及每个框的类标签和置信度分数。当您需要识别场景中感兴趣的对象，但不需要确切知道对象的位置或确切形状时，对象检测是一个不错的选择。
对象分类：对象分类是一项计算机视觉任务，涉及将整个图像分类为一组预定义类别之一。图像分类器的输出是单个类别标签和置信度分数。当您只需要知道图像属于哪个类别，而不需要知道该类别的对象位于何处或它们的确切形状时，图像分类非常有用。