【目标跟踪】Yolov5_DeepSort_Pytorch复现

1.环境

ubuntu16.04
cuda10.1
cudnn7
python3.6


Cython
matplotlib>=3.2.2
numpy>=1.18.5
opencv-python>=4.1.2
Pillow
PyYAML>=5.3
scipy>=1.4.1
tensorboard>=2.2
torch>=1.7.0
torchvision>=0.8.1
tqdm>=4.41.0
seaborn>=0.11.0
easydict

2.准备

2.0 准备代码与数据

代码：

git clone --recurse-submodules https://github.com/mikel-brostrom/Yolov5_DeepSort_Pytorch.git

 TownCentreXVID.avi测试视频数据：https://download.csdn.net/download/qq_35975447/12495835

2.1 重识别/分类模型

在下面目录下载ckpt.t7

https://drive.google.com/drive/folders/1xhG0kRH1EX5B9_Iz8gQJb7UNnn_riXi6

放到目录下：

2.2 yolov5目标检测模型

在下面目录下，下载一个最小的模型yolov5s.pt。如果速度太慢，就右键复制链接，然后使用wget命令下载。

https://github.com/ultralytics/yolov5/releases

扫描二维码关注公众号，回复： 13065473 查看本文章

放到目录下：

3.测试

3.1 修改

将yolov5/utils/datasets.py中，所有的f"{a}"改为"{}".format(a)。

例如：

# line 1016
assert cv2.imwrite(str(f), im[b[1]:b[3], b[0]:b[2]]), f'box failure in {f}'

#改为：

assert cv2.imwrite(str(f), im[b[1]:b[3], b[0]:b[2]]), 'box failure in {}'.format(f)

3.2 测试

python track.py --source TownCentreXVID.avi  --save-txt

由于作者已经给出了动态gif，这里我只给个静态图。