YOLOv5 + StrongSORT with OSNet

发布时间：2023-04-19 文章分类：电脑百科投稿人：樱花字号：默认 | 大 | 超大打印

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 (don't 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

标签 OS, sort, with