yolov5目標識別+DeepSort目標追蹤
引言
利用yolov5訓(xùn)練的目標識別模型，結(jié)合DeepSort實現(xiàn)目標追蹤 源碼下載：（1） (該源碼下載下來的yolov5文件夾是空的，需要另外下載yolov5的源碼) （2）
實現(xiàn)步驟
1 YOLO環(huán)境搭建+自定義模型訓(xùn)練
1、參考 先將yolov5的環(huán)境搭建好 2、參考 實現(xiàn)自定義的數(shù)據(jù)集訓(xùn)練
2 Yolov5_DeepSort_Pytorch 環(huán)境搭建
筆者在搭建完YOLO的環(huán)境后，基本不用再配置Yolov5_DeepSort_Pytorch，除了個別導(dǎo)入庫，利用如下指令進行安裝：
cd (自己下載的文件夾)\Yolov5_DeepSort_Pytorch-master
pip install -r requirements.txt
# 測試環(huán)境
import torch
from IPython.display import Image, clear_output # 顯示結(jié)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'})")
# 在運行過程中個別所需的庫
pip install 庫名 -i https://pypi.douban.com/simple
3 目標追蹤實現(xiàn)
需要準備如下文件 （1）yolov5的識別模型（將模型放在.\Yolov5_DeepSort_Pytorch-master\yolov5\weights文件夾下，如圖） （2）重識別/分類模型（將模型放在.\Yolov5_DeepSort_Pytorch-master\deep_sort_pytorch\deep_sort\deep\checkpoint文件夾下，如圖） 鏈接：提取碼：6cxt （3）待追蹤的視頻（將視頻放在.\Yolov5_DeepSort_Pytorch-master文件夾下，如圖） 
在終端運行如下指令：
cd .\Yolov5_DeepSort_Pytorch-master
python track.py --source subway_test.avi --yolo_weights yolov5/weights/Abutment.pt --save-vid
運行過程終端顯示如下：
最終在.\Yolov5_DeepSort_Pytorch-master\inference\output生成結(jié)果視頻：
其他的參數(shù)設(shè)置可以參考track.py 
綜上，實現(xiàn)了基于自定義數(shù)據(jù)集的目標追蹤
Python“寶藏級”公眾號【Python之王】專注于Python領(lǐng)域，會爬蟲，數(shù)分，C++，tensorflow和Pytorch等等。
近 2年共原創(chuàng) 100+ 篇技術(shù)文章。創(chuàng)作的精品文章系列有：
日常收集整理了一批不錯的 Python 學(xué)習(xí)資料，有需要的小伙可以自行免費領(lǐng)取。
獲取方式如下：公眾號回復(fù)資料。領(lǐng)取Python等系列筆記，項目，書籍，直接套上模板就可以用了。資料包含算法、python、算法小抄、力扣刷題手冊和 C++ 等學(xué)習(xí)資料！