检测模块
先下载环境依赖包,安装requirements.txt
把自己的数据集文件夹放入根目录
下载yolo预训练权重
修改data文件夹下的.yaml文件(训练的数据集路径、nc对应的数量)或者自己创建一个
再修改models文件下的.yaml文件(nc)
再修改train.py中的-weight -cfg -data
跟踪模块
准备好追踪数据集
import cv2
import xml.etree.ElementTree as ET
import numpy as np
import xml.dom.minidom
import os
import argparse
def main():
# JPG文件的地址
img_path = 'xxxxxxxx'
# XML文件的地址
anno_path = 'xxxxxxxxx'
# 存结果的文件夹
cut_path = 'xxxxxxxxxxx'
if not os.path.exists(cut_path):
os.makedirs(cut_path)
# 获取文件夹中的文件
imagelist = os.listdir(img_path)
# print(imagelist
for image in imagelist:
image_pre, ext = os.path.splitext(image)
img_file = img_path + image
img = cv2.imread(img_file)
xml_file = anno_path + image_pre + '.xml'
# DOMTree = xml.dom.minidom.parse(xml_file)
# collection = DOMTree.documentElement
# objects = collection.getElementsByTagName("object")
tree = ET.parse(xml_file)
root = tree.getroot()
# if root.find('object') == None:
# return
obj_i = 0
for obj in root.iter('object'):
obj_i += 1
print(obj_i)
cls = obj.find('name').text
xmlbox = obj.find('bndbox')
b = [int(float(xmlbox.find('xmin').text)), int(float(xmlbox.find('ymin').text)),
int(float(xmlbox.find('xmax').text)),
int(float(xmlbox.find('ymax').text))]
img_cut = img[b[1]:b[3], b[0]:b[2], :]
path = os.path.join(cut_path, cls)
# 目录是否存在,不存在则创建
mkdirlambda = lambda x: os.makedirs(x) if not os.path.exists(x) else True
mkdirlambda(path)
try:
cv2.imwrite(os.path.join(cut_path, cls, '{}_{:0>2d}.jpg'.format(image_pre, obj_i)), img_cut)
except:
continue
print("&&&&")
if __name__ == '__main__':
main()
上述代码可以扣数据集
改train.py的dataset、model.py的类别
然后运行train.py得到跟踪权重放到checkpoint目录下
再修改objdetector.py和deep_sort.yaml文件中的权重分别为自己的检测权重和跟踪权重