Update README.md

README.md

@@ -1,67 +1,13 @@
-<div align="center">
-<h1> yolov8-deepsort-tracking </h1>
-</div>
-
-![示例图片](https://github.com/KdaiP/yolov8-deepsort-tracking/blob/main/demo.png)
-
-opencv+yolov8+deepsort的行人检测与跟踪。当然，也可以识别车辆等其他类别。
-
-- 2023/10/17更新：简化代码，删除不必要的依赖
-
-- 2023/7/4更新：加入了一个基于Gradio的WebUI界面
-
-## 安装
-环境：Python>=3.8
-
-本项目需要pytorch，建议手动在[pytorch官网](https://pytorch.org/get-started/locally/)根据自己的平台和CUDA环境安装对应的版本。
-
-pytorch的详细安装教程可以参照[Conda Quickstart Guide for Ultralytics](https://docs.ultralytics.com/guides/conda-quickstart/)
-
-安装完pytorch后，需要通过以下命令来安装其他依赖：
-
-```shell
-$ pip install -r requirements.txt
-```
-
-
-## 配置(非WebUI)
-
-在main.py中修改以下代码，将输入视频路径换成你要处理的视频的路径：
-
-```python
-input_video_path = "test.mp4"
-```
-
-模型默认使用Ultralytics官方的YOLOv8n模型：
-
-```python
-model = "yolov8n.pt"
-```
-
-第一次使用会自动从官网下载模型，如果网速过慢，可以在[ultralytics的官方文档](https://docs.ultralytics.com/tasks/detect/)下载模型，然后将模型文件拷贝到程序所在目录下。
-
-## 运行(非WebUI)
-
-运行main.py
-运行完成后，终端会显示输出视频所在的路径。
-
-## WebUI界面的配置和运行
-
-**请先确保已经安装完成上面的依赖**
-
-安装Gradio库：
-
-```shell
-$ pip install gradio
-```
-
-运行app.py，如果控制台出现以下消息代表成功运行：
-```shell
-Running on local URL:  http://127.0.0.1:6006
-To create a public link, set `share=True` in `launch()`
-```
-
-浏览器打开该URL即可使用WebUI界面
-
-![WebUI](https://github.com/KdaiP/yolov8-deepsort-tracking/blob/main/webui.png)
-
+---
+title: Yolov8 Deepsort Tracking
+emoji: 👀
+colorFrom: red
+colorTo: green
+sdk: gradio
+sdk_version: 3.48.0
+app_file: app.py
+pinned: false
+license: mit
+---
+
+Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference