aparsoft/yolo-streamlit-detection-tracking

解决的问题

该项目提供了一个全面的基于Web的实时计算机视觉任务界面。它简化了部署和测试YOLO系列模型进行目标检测、实例分割、姿态估计和目标跟踪的过程，无需复杂的设置或为不同输入源编写自定义代码。

工作原理

该应用基于Streamlit构建，作为Ultralytics YOLO26和YOLO World v2模型的封装器。采用模块化服务架构，支持多种推理模式：

• 图像推理：处理上传的图像或默认图像，并应用所选的视觉任务。
• 视频推理：支持来自存储文件、WebRTC兼容摄像头、RTSP流和YouTube链接的视频流。集成ByteTrack和BoTSORT实现目标跟踪，并采用帧跳过机制以优化长视频的处理性能。
• 开放词汇检测：利用YOLO World v2，允许用户使用自然语言文本提示进行对象检测，而非固定类别标签。

适用人群

• 开发者和研究人员：希望在多种媒体类型上快速原型化和测试视觉模型的人。
• AI爱好者：希望通过图形界面而非编写Python脚本探索目标检测和姿态估计的用户。
• 部署测试人员：需要通过浏览器原生方式使用YOLO模型测试摄像头流和RTSP流的人。

主要亮点

• 多任务支持：在一个应用中整合检测、分割和姿态估计功能。
• 开放词汇检测：支持自然语言提示，实现灵活的对象搜索。
• 计数与跟踪：支持每帧局部计数和累计全局计数。
• 灵活的视频源：原生支持浏览器摄像头（通过streamlit-webrtc）、RTSP和YouTube集成。
• 性能调优：提供1-8倍的帧跳过滑块，加速视频处理。