以前使用过yolov5+deepsort实现过车辆进出流量统计+车辆实时测速，可以看我往期视频，这回改成yolov8+bytetrack实现，实时性更好，原理和原来一样。车流量进出统计+车速测量优点：
- 使用目标检测算法考虑bbox抖动，解决了bbox抖动造成统计错误
- 分别采用流和视频分开统计时间，由于视频和流差异，造成视频统计不准确，因为视频按帧读取，并不是简单作时间差而是需要统计帧间隔数和fps进而推算出视频精确时间差。
- 流处理车辆速度计算公式：
车速=单位像素车速x像素偏移/(车辆当前位置时间-车辆进入时间)
时间为电脑本地时间或者在线北京时间
视频处理车速计算公式：
车速=单位像素车速x像素偏移/((当前帧索引-车辆进入帧索引)x(1/FPS))
【效果截图】
【视频演示】
基于yolov8+pyqt5实现车辆进出流量统计+车辆实时测速_哔哩哔哩_bilibili测试环境：torch==1.9.0+cu111torchvision==0.10.0+cu111ultralytics==8.2.2以前使用过yolov5+deepsort实现过车辆进出流量统计+车速测量，这次更换为yolov8+bytetrack，代码高度封装，不冗余, 视频播放量 1、弹幕量 0、点赞数 0、投硬币枚数 0、收藏人数 0、转发人数 0, 视频作者 未来自主研究中心, 作者简介 未来自主研究中心，相关视频：基于目标检测通用pyqt5界面设计读取图片摄像头视频文件，使用C++部署yolov8的onnx和bytetrack实现目标追踪，YOLOv8检测界面-PyQt5实现第二套界面演示，C++使用纯opencv去部署yolov8官方obb旋转框检测，将yolov5-6.2封装成一个类几行代码完成语义分割任务，基于yolov8+bytetrack实现目标追踪视频演示，yolov5+bytetrack+pyqt5实现目标追踪，基于yolov5的单目测距视频演示，C++使用纯opencv部署yolov9的onnx模型，使用C++部署yolov9的tensorrt模型进行目标检测
https://www.bilibili.com/video/BV1yt421K7w4/?vd_source=989ae2b903ea1b5acebbe2c4c4a635ee
【测试环境】
torch==1.9.0+cu111
torchvision==0.10.0+cu111
ultralytics==8.2.2
