deepsort + yolov5 軌跡追蹤 pytorch 環境配置

簡介

SORT (Simple Online Realtime Tracking) 是基於目標檢測的追蹤。與基於底層圖象特征（如ORB特征）相比，目標檢測的重復檢測更穩定，並且算法結構更簡單。deepsort 基於sort框架上增加了基於深度學習的圖象特征提取用於目標匹配，可以有效應對在目標交叉時ID交換和目標消失后重識別的問題。deepsort因為檢測速度和精度都較好，在工業界有很多應用。deepsort 有很多開源的實現，以下是基於pytorch的 yolo_v5+deepsort 環境配置。

配置過程

1.下載代碼

代碼地址：https://github.com/mikel-brostrom/Yolov5_DeepSort_Pytorch
安裝readme的 deepsort 和 yolo_v5的代碼。

2.下載 pytorch whl文件。

pytorch 要用1.7.0以上版本。換源的版本沒有最新的，只能在pytorch 官網用whl 文件安裝，
下載地址： https://download.pytorch.org/whl/torch_stable.html
找到對應的torch和torchvision版本，上梯子把文件下下來。torch 要和系統和python 版本對應，如cp36是對應python3.6。torchvision要和torch的版本對應，查不到對應版本的化，安裝torchvision時會顯示對應的torch版本。

3.配置環境

因為要用特定的特定的python版本，可以在conda里創建虛擬環境。python 版本要與下載的torch版本相同

conda create -n torh170 python=3.6
source activate torh170

環境名為 torch170，把輪子文件whl文件放在當前目錄下安裝

pip install  torch-1.7.0-cp36-none-macosx_10_9_x86_64.whl  
pip install torchvision-0.8.0-cp36-cp36m-macosx_10_9_x86_64.whl  

安裝其他依賴，可以用豆瓣源加速

pip install opencv-python -i https://pypi.douban.com/simple/

類似的安裝其他依賴庫 tqdm, pyyaml, matplotlib, easydict, scipy

4.下載 模型weight文件和視頻文件

按照readme描述下載模型weight文件和視頻文件，運行：

python3 track.py -—source demo.avi

5.MOTA 追蹤結果指標

MOT(Multi Object Tracking)Challenge是個公開的多目標追蹤benchmark。可以用上嗎的真值數據對追蹤結果進行評價。MOT16官方的代碼需要用到matlab，有人寫了純python的實現： https://github.com/shenh10/mot_evaluation
結果和真值要寫成對應的格式：

<frame>, <id>, <bb_left>, <bb_top>, <bb_width>, <bb_height>, <conf>, <x>, <y>, <z>

把結果和真值放在對應的文件夾內運行：

python evaluate_tracking.py --gt ./data/MOT16-11/gt.txt --track ./data/MOT16-11/res.txt