yolov5作用（YOLOv5 + StrongSORT with OSNet）

项目简介

YOLOv5 + StrongSORT with OSNet：YOLOv5检测器 + StrongSORT跟踪算法 + OSNet行人重识别模型 项目地址：https://github.com/mikel-brostrom/Yolov5_StrongSORT_OSNet

环境安装

1.Conda建立虚拟环境

conda create -n yolov5 python=3.8

2.安装PyTroch和TorchVision

可以选择官网安装：或者下载whl文件

本文Pytorch安装的版本为1.8.0             ，torchvision对应的版本为0.9.0

注意：cp对应Python包版本
  
 
  
 
  
 
  
 
  
 
  
 
 ，linux对应lLinux版本












，win对应Windows版本

当whl文件下载到本地后 
  
  
  
  
  
  ，进入包下载命令
  
  
  
  
  
  
 ，使用pip install 包名来安装：

pip install torch-1.8.0+cu111-cp38-cp38-win_amd64.whl pip install torchvision-0.9.0+cu111-cp38-cp38-win_amd64.whl

3.安装Torchreid

# cd to your preferred directory and clone this repo git clone https://github.com/KaiyangZhou/deep-person-reid.git # create environment cd deep-person-reid/ # 环境上面已建立
 


 


 


 


 


 


，使用yolov5虚拟环境 # conda create --name torchreid python=3.7 # conda activate torchreid # install dependencies # make sure `which python` and `which pip` point to the correct path pip install -r requirements.txt # install torch and torchvision (select the proper cuda version to suit your machine) # conda install pytorch torchvision cudatoolkit=9.0 -c pytorch # install torchreid (dont need to re-build it if you modify the source code) python setup.py develop

pip install -r requirements.txt本地安装记录：

最后执行python setup.py develop 
 
 
 
 
 
 ，一顿操作后得到下面的提示：

输入conda list确定本机基本环境：

python:3.8 pytorch:1.8.0 torchvision:0.9.0 torchreid:1.4.0 注：本环境下的一些包安装这个是没有的
   
   
   
   
   
   
 ，这些是之前安装另一个项目留下的（主要是一些导出包）

4.安装项目其他依赖包

Bug解决

问题描述：在下载源码是选择Download Zip这种方式
 

 

 

 

 

 

，默认yolov5文件夹下内容是空的 

 

 

 

 

 

 ，此时需要点击编号（yolov5@91a81d4）下载yolov5源码放在yolov5目录下

但在我运行python track.py 时程序依然报错：

这是因为在strong_sort/deep/reid目录是空的             ，下载源码默认是没下载那部分内容的

 
 

 
 

 
 

 
 

 
 

 
 

，因此需要和上面一下











，将torchreid下载并放入到strong_sort/deep/reid下面

代码运行

python track.py

默认结果保存在runs/track/exp目录下                    ，之前跑过一次没成功
 
 
 
 
 
 
 
 
 
 
 
 
，所以这次结果保存在runs/track/exp2目录下 如果使用python track.py运行的话默认是不保存视频的


















，只能在控制台查看输出结果             ，如果保存视频
  
 
  
 
  
 
  
 
  
 
  
 
 ，需指定–save-vid参数












，使用命令python track.py --save-vid即可

参数解析

track.py

parser.add_argument(--yolo-weights, nargs=+, type=Path, default=WEIGHTS / yolov5m.pt, help=model.pt path(s)) parser.add_argument(--strong-sort-weights, type=Path, default=WEIGHTS / osnet_x0_25_msmt17.pt) parser.add_argument(--config-strongsort, type=str, default=strong_sort/configs/strong_sort.yaml) parser.add_argument(--source, type=str, default=D:/video/1.6_10_videos/301337_3/151035.mp4, help=file/dir/URL/glob, 0 for webcam) parser.add_argument(--imgsz, --img, --img-size, nargs=+, type=int, default=[640], help=inference size h,w) parser.add_argument(--conf-thres, type=float, default=0.5, help=confidence threshold) parser.add_argument(--iou-thres, type=float, default=0.5, help=NMS IoU threshold) parser.add_argument(--max-det, type=int, default=1000, help=maximum detections per image) parser.add_argument(--device, default=, help=cuda device, i.e. 0 or 0,1,2,3 or cpu) parser.add_argument(--show-vid, action=store_true, help=display tracking video results) parser.add_argument(--save-txt, action=store_true, help=save results to *.txt) parser.add_argument(--save-conf, action=store_true, help=save confidences in --save-txt labels) parser.add_argument(--save-crop, action=store_true, help=save cropped prediction boxes) parser.add_argument(--save-vid, action=store_true, help=save video tracking results) parser.add_argument(--nosave, action=store_true, help=do not save images/videos) # class 0 is person, 1 is bycicle, 2 is car... 79 is oven parser.add_argument(--classes, nargs=+, type=int, help=filter by class: --classes 0, or --classes 0 2 3) parser.add_argument(--agnostic-nms, action=store_true, help=class-agnostic NMS) parser.add_argument(--augment, action=store_true, help=augmented inference) parser.add_argument(--visualize, action=store_true, help=visualize features) parser.add_argument(--update, action=store_true, help=update all models) parser.add_argument(--project, default=ROOT / runs/track, help=save results to project/name) parser.add_argument(--name, default=exp, help=save results to project/name) parser.add_argument(--exist-ok, action=store_true, help=existing project/name ok, do not increment) parser.add_argument(--line-thickness, default=3, type=int, help=bounding box thickness (pixels)) parser.add_argument(--hide-labels, default=False, action=store_true, help=hide labels) parser.add_argument(--hide-conf, default=False, action=store_true, help=hide confidences) parser.add_argument(--hide-class, default=False, action=store_true, help=hide IDs) parser.add_argument(--half, action=store_true, help=use FP16 half-precision inference) parser.add_argument(--dnn, action=store_true, help=use OpenCV DNN for ONNX inference) parser.add_argument(--eval, action=store_true, help=run evaluation) –yolo-weights：YOLO得到的权重模型 –strong-sort-weights：Reid模型 –show-vid：python track.py --show-vid：可视化跟踪结果 –save-vid：python track.py --save-vid：保存跟踪结果 –classes：指定类别检测跟踪

彩蛋

本文对构建YOLOAir库环境进行详细阐述 
  
  
  
  
  
  ，笔者以后会定期分享关于项目的其他模块和相关技术
  
  
  
  
  
  
 ，笔者也建立了一个关于目标检测的交流群：781334731
 


 


 


 


 


 


，欢迎大家踊跃加入 
 
 
 
 
 
 ，一起学习鸭！

笔者也持续更新一个微信公众号：Nuist计算机视觉与模式识别
   
   
   
   
   
   
 ，大家帮忙点个关注谢谢