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。