文章目录
多目标追踪
一、项目简介
yolo模型详解，请看博主这篇文章：三万字硬核详解：yolov1、yolov2、yolov3、yolov4、yolov5、yolov7
yolo模型训练，请看博主这篇文章：yolov7目标检测：基于自定义数据集完成检测、训练、测试
目标追踪包含两个阶段：（1）基于自定义数据集，训练yolo目标检测模型；（2）基于检测模型，将实时检测结果传递到StrongSORT追踪算法中，该算法在OSNet基础上结合运动和外观信息，可以跟踪yolo模型检测到的任何物体。
1.1、使用说明
备注：基于COCO数据集训练得到的yolov7目标检测预训练模型，共包括80个目标类别。COCO数据集的介绍和使用
（1）若需要自定义检测目标，则需要更换数据集并重新训练检测模型。 详细请参考
（2）若需要追踪指定目标，则可以指定追踪的目标类别：python track.py --source 0 --yolo-weights yolov7.pt --classes 16 17 # tracks cats and dogs, only
1.2、支持的数据格式
目标追踪支持多种数据格式（详细见官网）
1.3、详解配置参数
配置参数请看track.py，如下图。
举例说明：权重参数（
'-yolo-weights'）是字符串类型（type=str），故在默认值default中输入字符串，并指定权重文件的默认地址（default='yolov7.pt'）。help是自定义描述文档。详细用法请参考argparse。
二、环境配置 + 文件配置
2.1、环境配置
详细请看博主这篇文章：【深度学习环境配置】详细教程（资源已上传）
2.2、源码下载：sort + yolo
项目环境要求（必须），最终以官网说明为准。
（1）Python >= 3.8
（2）torch >= 1.7
git下载：可以直接将 yolo 目标检测模型也一起下载。
code下载：需要分别对追踪项目、检测项目进行下载。因为追踪项目下载后得到的检测文件夹为空。
备注：项目路径中不可以有中文（否则会异常报错，找原因找到奔溃）
方法一：通过 git 下载
（1）安装软件：Git Bash Here
（2）鼠标右击并打开软件，然后输入：git clone --recurse-submodules https://github.com/mikel-brostrom/Yolov7_StrongSORT_OSNet.git
方法二：官方下载地址 【GitHub】Real-time multi-object tracking and segmentation using Yolov7 with StrongSORT with OSNet
（1）点击Code，Download ZIP，并进行解压。
（2）点击网址上的 yolov7（如上图），再次点击Code，Download ZIP，并进行解压。
（3）将下载好的yolov7解压后，将项目提取并存放到已下载的目标追踪的yolov7文件夹下。
2.3、相关配置需求下载：requirements.txt
（1）DOS命令行窗口：cd切换到Yolov7_StrongSORT_OSNet-main文件夹下
（2）DOS命令行窗口输入：pip install -r requirements.txt
2.4、配置权重文件
需要分别配置目标检测与目标追踪的权重文件（.pt），保存在与
track.py同级目录下。
备注：依据个人需求，下载对应的权重文件（权重文件之间会有些不同）。
2.4.1、下载目标检测权重文件：yolov7.pt
2.4.1.1、运行报错：No module named ‘torchreid.metrics’
（1）输入命令运行程序（官网指令）：python track.py --source 0 --yolo-weights yolov7.pt --img 640
- 系统报错：
ModuleNotFoundError: No module named 'torchreid.metrics'。参考文献- 原因分析：pycharm中没有对应的torchreid包，而通过使用pip install命令安装也无法成功解决。
- 解决方案：点击https://github.com/KaiyangZhou/deep-person-reid。下载该项目并提取里面的
torchreid文件夹，然后将其复制并黏贴到与track.py同级目录下。
2.4.1.2、运行报错：No such file or directory: ‘yolov7.pt’
（2）再次运行程序，不再有上述BUG问题，但是系统提示报错：FileNotFoundError: [Errno 2] No such file or directory: 'yolov7.pt'
yolov7.pt权重文件下载比较简单：
（方法1）直接通过Official YOLOv7下载。然后在track.py同级目录下新增weights文件夹 ，保存在该文件夹下。
（方法2）输入命令运行程序：python track.py --source test.mp4 --save-vid，然后开始自动下载（耗时较长）。最后，将在track.py同级目录下自动新增weights文件夹，并且预训练模型保存在该文件夹下。
但是又有了新的BUG提示报错，详细看下图。
2.4.2、下载ReID权重文件：osnet_x0_25_msmt17.pt
总共尝试了三种方法，最终解决问题。
2.4.2.1、运行报错2：No URL associated to the chosen DeepSort weights.
尝试方法一：在路径
strong_sort\deep\checkpoint下，已经有多个ReID权重文件（.pth）。而通过指定该路径下的任意一个权重文件给到strong_sort_weights参数，但因为文件格式问题却导致运行失败。原因分析：ReID权重文件有点神秘，需要科学上网才能下载。
运行结果如下：
2.4.2.2、运行报错2：TimeoutError: [WinError 10060] 由于连接方在一段时间后，没有正确答复或连接的主机没有反应，连接尝试失败。
尝试方法二：通过输入命令下载指定文件（官网指令）：
python track.py --source 0 --strong-sort-weights osnet_x0_25_market1501.pt
最终系统提示报错：TimeoutError: [WinError 10060] 由于连接方在一段时间后，没有正确答复或连接的主机没有反应，连接尝试失败。
2.5、运行成功
参考资料：osnet_x0_25_msmt17.pt
尝试方法三： 正如方法一如说，ReID权重文件有点神秘，需要科学上网才能下载。而方法二实验证明，无法自动下载。 故方法三选择网淘一份网盘资料，并将该权重文件存放到weights文件夹下，最终成功。
链接：https://pan.baidu.com/s/1RlB1oeiOQ7Le3XFd_QhmAg?pwd=nlsh 提取码：nlsh
输入命令运行程序：
python track.py --source test.mp4 --save-vid。由于ReID权重文件的默认地址不可用，故在运行前需要修改参数地址或在命令行中指定地址。
- （方法1）修改参数地址：在命令行中不指定ReID权重文件的地址，而修改参数的默认地址：
strong_sort_weights=WEIGHTS/osnet_x0_25_msmt17.pt- （方法2）命令行指定地址：
python track.py --source test.mp4 --strong_sort_weights weights/osnet_x0_25_msmt17.pt
其中：WEIGHTS是定义的地址参数变量，而weights是文件夹名。
三、详解源码中的文件夹与文件
（1）下载后自带的文件夹及文件
文件夹
MOT16_eval：评估MOT16数据的脚本strong_sort：追踪算法yolov7：存放yolov7目标检测整个项目源码文件
.gitignore：该文件是在git提交的时候用来屏蔽某些你不想提交上去的文件。.gitignore的用法.gitmodules：子模块允许你将一个 Git 仓库作为另一个 Git 仓库的子目录。 它能让你将另一个仓库克隆到自己的项目中，同时还保持提交的独立。.gitmodules详解（Git子模块配置）README.md：项目官网介绍requirements.txt：项目运行所需要下载的库track.py：追踪脚本test.mp4：追踪视频文件（更多文件格式详见官网说明）
（2）配置文件夹
torchreid：模型所需要的基本配置文件（.py）weights：存放目标检测与目标追踪的权重文件（.pt）
（3）检测后自动生成的文件夹
runs/track：存放检测视频