軟硬件環境
-
windows 10 64bit -
pytorch -
yolov5 -
deepsort
YOLOv5
前文 YOLOv5目標檢測 和 YOLOv5模型訓練 已經介紹過了YOLOv5相關的內容，在目標檢測中效果不錯。html
DeepSort
SORT算法的思路是將目標檢測算法(如YOLO)獲得的檢測框與預測的跟蹤框的iou(交併比)輸入到匈牙利算法中進行線性分配來關聯幀間 ID。而DeepSORT算法則是將目標的外觀信息加入到幀間匹配的計算中，這樣在目標被遮擋但後續再次出現的狀況下，還能正確匹配這個ID，從而減小ID的切換，達到持續跟蹤的目的。python
目標跟蹤
項目地址 https://github.com/mikel-brostrom/Yolov5_DeepSort_Pytorch，使用的是Pytorch深度學習框架，聯合YOLOv5和DeepSort兩個目前很火且效果很是不錯的算法工程，實現特定物體的目標跟蹤。git
git clone https://github.com/mikel-brostrom/Yolov5_DeepSort_Pytorch.git
cd Yolov5_DeepSort_Pytorch
pip install torch==1.6.0+cu101 torchvision==0.7.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html
pip install -r requirements.txt
而後去下載YOLOv5的權重文件，地址是 https://drive.google.com/drive/folders/1Drs_Aiu7xx6S-ix95f9kNsA6ueKRpN2J ，文件放置在yolov5/weights文件夾下github
接着去下載DeepSort的權重文件，地址是 https://drive.google.com/drive/folders/1xhG0kRH1EX5B9_Iz8gQJb7UNnn_riXi6，將文件ckpt.t7放置在deep_sort/deep/checkpoint文件夾下web
整理了模型文件，百度網盤下載地址， 提取碼：u5v3算法
找個測試視頻，來看看效果吧windows
python track.py --source test.mp4
測試效果圖微信
參考資料
-
https://github.com/mikel-brostrom/Yolov5_DeepSort_Pytorch -
https://github.com/ZQPei/deep_sort_pytorch -
https://pytorch.org/get-started/locally/
本文分享自微信公衆號 - 迷途小書童的Note（Dev_Club）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。框架