yolov5目标识别+DeepSort目标追踪
共 1881字，需浏览 4分钟
· 2022-03-04
引言
利用yolov5训练的目标识别模型，结合DeepSort实现目标追踪 源码下载：（1） (该源码下载下来的yolov5文件夹是空的，需要另外下载yolov5的源码) （2）
实现步骤
1 YOLO环境搭建+自定义模型训练
1、参考 先将yolov5的环境搭建好 2、参考 实现自定义的数据集训练
2 Yolov5_DeepSort_Pytorch 环境搭建
笔者在搭建完YOLO的环境后，基本不用再配置Yolov5_DeepSort_Pytorch，除了个别导入库，利用如下指令进行安装：
cd (自己下载的文件夹)\Yolov5_DeepSort_Pytorch-master
pip install -r requirements.txt
# 测试环境
import torch
from IPython.display import Image, clear_output # 显示结果
clear_output()
print(f"Setup complete. Using torch {<!-- -->torch.__version__} ({<!-- -->torch.cuda.get_device_properties(0).name if torch.cuda.is_available() else 'CPU'})")
# 在运行过程中个别所需的库
pip install 库名 -i https://pypi.douban.com/simple
3 目标追踪实现
需要准备如下文件 （1）yolov5的识别模型（将模型放在.\Yolov5_DeepSort_Pytorch-master\yolov5\weights文件夹下，如图） （2）重识别/分类模型（将模型放在.\Yolov5_DeepSort_Pytorch-master\deep_sort_pytorch\deep_sort\deep\checkpoint文件夹下，如图） 链接：提取码：6cxt （3）待追踪的视频（将视频放在.\Yolov5_DeepSort_Pytorch-master文件夹下，如图） 
在终端运行如下指令：
cd .\Yolov5_DeepSort_Pytorch-master
python track.py --source subway_test.avi --yolo_weights yolov5/weights/Abutment.pt --save-vid
运行过程终端显示如下：
最终在.\Yolov5_DeepSort_Pytorch-master\inference\output生成结果视频：
其他的参数设置可以参考track.py 
综上，实现了基于自定义数据集的目标追踪
Python“宝藏级”公众号【Python之王】专注于Python领域，会爬虫，数分，C++，tensorflow和Pytorch等等。
近 2年共原创 100+ 篇技术文章。创作的精品文章系列有：
日常收集整理了一批不错的 Python 学习资料，有需要的小伙可以自行免费领取。
获取方式如下：公众号回复资料。领取Python等系列笔记，项目，书籍，直接套上模板就可以用了。资料包含算法、python、算法小抄、力扣刷题手册和 C++ 等学习资料！