https://github.com/ultralytics/yolov5已经调试好了代码，可适用于pytorch1.6.0版本哦 图片删除了大半，太大了传不上去。可根据自己的数据集修改

自己训练数据，灯光检测

收集了树莓派非常难装的torch1.5 torchvision0.6 scipy 的arm7l的.whl文件，经测试，可以运行yolov5代码。（opencv-python可以配置一些依赖环境，直接pip装，很多博客都有介绍）

因为无法上传zip，.mp4后缀去掉，变为.zip文件后可以打开。 对图像和视频中的人数进行精确估计在公共安全中存在着实际需求。每一次踩踏事件都很直接的说明了实时人群计数的重要性。 install.doc 有在免费云gpu上 https://gpushare.com/auth/register?user=18*****1785&fromId=c4100216220&source=link的环境安装 配置说明。本模型不适合人头攒动的密集场所，适合不太拥堵的室内外场所，其他说明可以看教程。

本文地址： ://blog.csdn.net/weixin_44936889/article/details/112002152 注意： 本项目使用Yolov5 3.0版本，4.0版本需要替换掉models和utils文件夹 项目简介： 使用YOLOv5 + Deepsort实现车辆行人追踪和计数，代码封装成一个检测器类，更容易嵌入到自己的项目中。 代码地址（欢迎星）： 最终效果： YOLOv5检测器： class Detector ( baseDet ): def __init__ ( self ): super ( Detector , self ). __init__ () self . init_model () self . build_config () def init_model ( self ):

适用于yolov5的只检测人的权重，其中包括epochs为25、35、50、100、200时的五个权重。

github上的YOLOV5更新较快，只有配合yaml配置文件的weight才能使用。文件中的权重和配置文件为20200706的，亲测可用。 YOLOv5速度比前代更快，在运行Tesla P100的YOLOv5 Colab笔记本中，每个图像的推理时间快至0.007秒，意味着每秒140帧（FPS）！ YOLOv5体积小，YOLOv5 s的权重文件为27MB。YOLOv4（Darknet架构）的权重文件为244MB。YOLOv5比YOLOv4小近90％。这意味着YOLOv5可以更轻松地部署到嵌入式设备。 此外，因为YOLOv5是在PyTorch中实现的，所以它受益于已建立的PyTorch生态系统；

yolov5官方提供的pt模型，网络不好时下载较慢，这里将下好的模型分享给大家。已经验证过yolov5s的pt模型可以通过tensortx中的方法，转换为TensorRT可以的格式，并跑通流程。

- 实现了 出/入 分别计数； - 检测类别：行人、自行车、小汽车、摩托车、公交车、卡车。 -支持yolov5s.pt yolov5x.pt yolov5m.pt yolov5l.pt模型

yolov5s.pt yolov5x.pt yolov5m.pt yolov5l.pt模型