软硬件环境
- windows 10 64bit
- pytorch
- yolov5
- deepsort
YOLOv5
前文 YOLOv5目标检测 和 YOLOv5模型训练 已经介绍过了YOLOv5相关的内容，在目标检测中效果不错。
DeepSort
SORT算法的思路是将目标检测算法(如YOLO)得到的检测框与预测的跟踪框的iou(交并比)输入到匈牙利算法中进行线性分配来关联帧间 ID。而DeepSORT算法则是将目标的外观信息加入到帧间匹配的计算中，这样在目标被遮挡但后续再次出现的情况下，还能正确匹配这个ID，从而减少ID的切换，达到持续跟踪的目的。
目标跟踪
项目地址 https://github.com/mikel-brostrom/Yolov5_DeepSort_Pytorch，使用的是Pytorch深度学习框架，联合YOLOv5和DeepSort两个目前很火且效果非常不错的算法工程，实现特定物体的目标跟踪。
环境安装
首先创建python虚拟环境
conda create -n DeepSort python=3.8
conda activate DeepSort
接下来克隆Yolov5_DeepSort_Pytorch的源码并安装必要的依赖库
安装pytorch1.7和cuda10.1
由于更新了yolov5，因此，pytorch的版本也需要更新到1.7以上，我这里匹配的是cuda 10.1。没有gpu的直接按照requirements.txt来安装
pip install torch==1.7.1+cu101 torchvision==0.8.2+cu101 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html
安装requirements.txt
如果是GPU版本，需要在requirements.txt 注释掉 torch、torchvision、torchaudio，因为这些包已经在上一步安装了对应的GPU版本了
pip install -r requirements
克隆源代码到本地目录
git clone --recurse-submodules https://github.com/mikel-brostrom/Yolov5_DeepSort_Pytorch.git
下载权重文件
YOLOv5的权重文件放置在yolov5/weights文件夹下，DeepSort的权重文件ckpt.t7放置在deep_sort/deep/checkpoint文件夹下
下载链接，百度网盘下载地址， 提取码：u5v3
找个测试视频，来看看效果吧
python3 track.py --source test.mp4 --show-vid
- Video: --source file.mp4
- Webcam: --source 0
- RTSP stream: --source - —
- rtsp://170.93.143.139/rtplive/470011e600ef003a004ee33696235daa
- HTTP stream: --source http://wmccpinetop.axiscam.net/mjpg/video.mjpg
针对conda环境 easydict Module not Found 解决
https://blog.csdn.net/liuzhuomei0911/article/details/89785438
|