计算机视觉：YOLO实现目标识别+目标跟踪技术 pyqt界面 OpenCV 计算机视觉 深度学习 计算机（建议收藏）✅

1、项目介绍

技术栈：

python语言、OpenCV+YOLOv4实现目标识别+目标跟踪技术 pyqt界面

1、detection文件夹：目标识别

2、track文件夹：目标跟踪

本项目有2种功能

2、项目界面

（1）鼠标框选目标后，系统自动全程实时跟踪，此处框选一辆汽车

（2）鼠标框选目标后，系统自动全程实时跟踪，此处框选一架飞机

（3）目标实时检测识别

（4）目标实时检测识别

3、项目说明

基于Python+OpenCV+YOLOv4的目标识别与跟踪系统项目介绍

一、项目概述

本项目是一个集目标实时检测识别与目标跟踪功能于一体的智能视觉分析系统，采用Python语言开发，结合OpenCV图像处理库与YOLOv4深度学习模型实现高效目标识别，并通过先进的目标跟踪算法实现全程实时追踪。系统配备PyQt界面，提供直观、便捷的用户交互体验，适用于安防监控、智能交通、无人机追踪等多种场景。

二、技术栈与模块设计

Python语言：作为项目开发的核心语言，负责算法实现、数据处理及界面交互。

OpenCV：提供强大的图像处理能力，包括图像预处理、后处理、目标框绘制等。

YOLOv4模型：采用先进的深度学习目标检测算法，实现高精度、高速度的目标识别，能够检测多种类别目标。

目标跟踪技术：集成多种目标跟踪算法，实现鼠标框选目标后的全程实时追踪。

PyQt界面：构建用户友好的图形界面，实现图像显示、目标框选、功能切换等交互操作。

模块划分：

detection文件夹：负责目标识别功能，调用YOLOv4模型对输入图像或视频帧进行目标检测，返回目标类别、位置等信息。

track文件夹：负责目标跟踪功能，根据用户在图像上框选的目标区域，启动跟踪算法，实现目标的全程实时追踪。

三、项目功能与界面展示

本项目具备两大核心功能：目标实时检测识别与目标跟踪。

目标实时检测识别

系统能够实时对输入图像或视频流中的目标进行检测识别，利用YOLOv4模型的高精度特性，准确标注出目标类别及位置。

界面展示：

示例图（3）、（4）展示了系统对不同场景下的目标实时检测识别效果，包括车辆、行人等多种类别目标，均被准确标注。

目标跟踪

用户可通过鼠标在图像上框选感兴趣的目标区域，系统启动跟踪算法，对该目标进行全程实时追踪，即使目标发生形变、遮挡或快速移动，也能保持稳定跟踪。

界面展示：

示例图（1）展示了用户框选一辆汽车后，系统对该汽车进行全程实时跟踪的效果，跟踪框紧密贴合目标，准确反映目标位置变化。

示例图（2）展示了用户框选一架飞机后，系统对该飞机进行全程实时跟踪的效果，同样表现出色，跟踪稳定准确。

四、项目意义与应用场景

本项目结合了深度学习目标检测与目标跟踪技术，实现了高效、准确的目标识别与追踪，具有以下意义：

提升监控效率：在安防监控领域，可实现对特定目标的自动识别与跟踪，减轻人工监控负担，提高监控效率。

辅助智能决策：在智能交通领域，可通过对车辆、行人的实时检测与跟踪，为交通管理、事故预警等提供数据支持。

拓展应用场景：适用于无人机追踪、野生动物保护、体育赛事分析等多种场景，为行业提供智能化解决方案。

本项目是一个功能强大、应用广泛的智能视觉分析系统，具有较高的实用价值与推广前景。

4、核心代码

import cv2
import sys

global isTracking
global bbox
global ok
global img2

(major_ver, minor_ver, subminor_ver) = (cv2.__version__).split('.')

def on_mouse(event, x, y, flags, param):
    global img2, point1, point2, g_rect, isTracking
    if event == cv2.EVENT_LBUTTONDOWN:  # 左键点击,则在原图打点
        point1 = (x, y)
        cv2.circle(img2, point1, 10, (0, 255, 0), 5)
        cv2.imshow('Tracking', img2)

    elif event == cv2.EVENT_MOUSEMOVE and (flags & cv2.EVENT_FLAG_LBUTTON):  # 按住左键拖曳，画框
        cv2.rectangle(img2, point1, (x, y), (255, 0, 0), thickness=2)
        cv2.imshow('Tracking', img2)

    elif event == cv2.EVENT_LBUTTONUP:  # 左键释放，显示
        point2 = (x, y)
        cv2.rectangle(img2, point1, point2, (0, 0, 255), thickness=2)
        cv2.imshow('Tracking', img2)
        if point1 != point2:
            min_x = min(point1[0], point2[0])
            min_y = min(point1[1], point2[1])
            width = abs(point1[0] - point2[0])
            height = abs(point1[1] - point2[1])

            # 定义一个初始边界框
            bbox = (min_x, min_y, width, height)
            # 用第一帧和包围框初始化跟踪器
            tracker.init(frame, bbox)
            isTracking=True


if __name__ == '__main__':

    # 建立追踪器
    tracker_types = ['BOOSTING', 'MIL', 'KCF', 'TLD', 'MEDIANFLOW', 'GOTURN', 'MOSSE', 'CSRT']
    tracker_type = tracker_types[2]

    if int(minor_ver) < 3:
        tracker = cv2.Tracker_create(tracker_type)
    else:
        if tracker_type == 'BOOSTING':
            tracker = cv2.TrackerBoosting_create()
        if tracker_type == 'MIL':
            tracker = cv2.TrackerMIL_create()
        if tracker_type == 'KCF':
            tracker = cv2.TrackerKCF_create()
        if tracker_type == 'TLD':
            tracker = cv2.TrackerTLD_create()
        if tracker_type == 'MEDIANFLOW':
            tracker = cv2.TrackerMedianFlow_create()
        if tracker_type == 'GOTURN':
            tracker = cv2.TrackerGOTURN_create()
        if tracker_type == 'MOSSE':
            tracker = cv2.TrackerMOSSE_create()
        if tracker_type == "CSRT":
            tracker = cv2.TrackerCSRT_create()

    # 读取视频
    video = cv2.VideoCapture("test.mp4")

    # 如果视频没有打开，退出。
    if not video.isOpened():
        print
        "Could not open video"
        sys.exit()

    isTracking=False

    cv2.namedWindow('Tracking')

    while True:
        cv2.setMouseCallback('Tracking', on_mouse)
        # 读取一个新的帧
        ok, frame = video.read()
        if not ok:
            break

        img2=frame

        # 启动计时器
        timer = cv2.getTickCount()

        if isTracking:
            # 更新跟踪器
            ok, bbox = tracker.update(frame)

            # 计算帧率(FPS)
            fps = cv2.getTickFrequency() / (cv2.getTickCount() - timer);

            # 绘制包围框
            if ok:
                # 跟踪成功
                p1 = (int(bbox[0]), int(bbox[1]))
                p2 = (int(bbox[0] + bbox[2]), int(bbox[1] + bbox[3]))
                cv2.rectangle(frame, p1, p2, (255, 0, 0), 2, 1)
            else:
                # 跟踪失败
                cv2.putText(frame, "Tracking failure detected", (100, 80), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (0, 0, 255), 2)

            # 在帧上显示跟踪器类型名字
            cv2.putText(frame, tracker_type + " Tracker", (100, 20), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (50, 170, 50), 2);

            # 在帧上显示帧率FPS
            cv2.putText(frame, "FPS : " + str(int(fps)), (100, 50), cv2.FONT_HERSHEY_SIMPLEX, 0.75, (50, 170, 50), 2);

        # 显示结果
        cv2.imshow("Tracking", frame)

        # 按ESC键退出
        k = cv2.waitKey(1) & 0xff
        if k == 27:
            break

video.release()
cv2.destroyAllWindows()

博主介绍：✌全网粉丝50W+，前互联网大厂软件研发、集结硕博英豪成立软件开发工作室，专注于计算机相关专业项目实战6年之久，累计开发项目作品上万套。凭借丰富的经验与专业实力，已帮助成千上万的学生顺利毕业，选择我们，就是选择放心、选择安心毕业✌
> 🍅想要获取完整文章或者源码，或者代做，拉到文章底部即可与我联系了。🍅

1、2026年计算机专业毕业设计选题大全（建议收藏）✅

2、大数据、计算机专业选题（Python/Java/大数据/深度学习/机器学习）（建议收藏）✅

🍅✌**感兴趣的可以先收藏起来，点赞关注不迷路，想学习更多项目可以查看主页，大家在毕设选题，项目编程以及论文编写等相关问题都可以给我留言咨询，希望可以帮助同学们顺利毕业！**🍅✌

5、源码获取方式

🍅**由于篇幅限制，获取完整文章或源码、代做项目的，拉到文章底部即可看到个人联系方式。**🍅

点赞、收藏、关注，不迷路，下方查看 👇🏻获取联系方式👇🏻