flyfish
代码采用C++实现,目标检测支持YOLOv5 6.2,跟踪支持deepsort and bytetrack。 检测模型可以直接从YOLOv5官网,导出onnx使用 特征提取可以自己训练,导出onnx使用,onnxruntime cpu 推理,方便使用. 特征支持自定义维度例如 128,256,512等
本文源码地址
https://github.com/shaoshengsong/DeepSORT
新增bytetrack跟踪
bytetrack论文
http://arxiv.org/abs/2110.06864
bytetrack代码
https://github.com/ifzhang/ByteTrack
deepsort原论文地址
https://arxiv.org/pdf/1703.07402.pdf
MOT using deepsort yolo5 with C++
操作系统:Ubuntu 18.04
去除了TensorFlow依赖 为了不依赖硬件GPU,无需cuda,cudnn,更容易编译,使用PC版本。 为了更方便编译,采用CMakeList.txt。
opencv,可以下载opencv-4.6编译安装 Eigen3安装
sudo apt-get install libeigen3-dev
onnxruntime,可以直接解压使用,无需编译 目标检测模型下载地址
https://github.com/ultralytics/yolov5
网盘中有已经导出完成的模型
百度网盘
链接:https://pan.baidu.com/s/1igjNK2ty-H5AU_Ut08pkoA
提取码:0000
内容包括
cmake-3.21.4-linux-x86_64.tar.gz
onnxruntime-linux-x64-1.12.1.tgz
coco_80_labels_list.txt
opencv-4.6.0.zip
DeepSORT
yolov5s.onnx
feature.onnx
yolov5x.onnx
设置自己的onnxruntime的解压目录
set(ONNXRUNTIME_DIR "/home/a/lib/onnxruntime-linux-x64-1.12.1")
以下三项根据自己的需要更改
文件tracker/deepsort/include/dataType.h
const int k_feature_dim=512;//feature dim
const std::string k_feature_model_path ="./feature.onnx";
const std::string k_detect_model_path ="./yolov5s.onnx";
选择打开视频文件或者视频流等
cv::VideoCapture capture("./1.mp4");
1 整体分为两部分,新增检测模块放置detector文件夹,新增跟踪模块放置tracker文件夹
操作系统:Ubuntu 18.04 编译环境:Qt 5.12.2 深度学习的模型分两块,一个是目标检测,另一个是目标跟踪
地址:https://pjreddie.com/darknet/yolo/
mars-small128 OpenCV DNN加载YOLO模型,不依赖Darknet库,cuda,cudnn 依赖Tensorflow,目标跟踪的特征部分使用TensorFlow C++的api。
OpenCV的安装可以参考
地址: https://blog.csdn.net/flyfish1986/article/details/89157368
Tensorflow的安装可以参考
地址:https://blog.csdn.net/flyfish1986/article/details/89406211
多目标跟踪论文 Deep SORT 解读
多目标跟踪论文 Deep SORT 实现
多目标跟踪论文 Deep SORT 数据集说明
多目标跟踪论文 Deep SORT 特征提取CNN Architecture
多目标跟踪论文 Deep SORT 特征训练PyTorch实现
多目标跟踪论文 Deep SORT 特征训练TensorFlow实现
多目标跟踪论文 Deep SORT 评测指标
匈牙利算法
卡尔曼滤波 - 方程组转换为矩阵形式
卡尔曼滤波 - 一个方程背后的样子
卡尔曼滤波 - 匀变速直线运动
卡尔曼滤波 - 冥冥之中自有定数的正态分布
卡尔曼滤波 - 数据融合 data fusion
卡尔曼滤波 - 当前均值与上一次均值的关系
卡尔曼滤波 - 状态空间模型
卡尔曼滤波 - 5个公式出现的顺序