【Yolov5-Deepsort pytorch】快速复现+ 检测自己的视频 (Linux 版本)

前言

我大概花了1小时就完成了第一次接触到检测自己输入的视频，并不是说自己的优秀，而是yolo的特点就是，易上手，难修改。

B站：https://www.bilibili.com/video/BV1A44y1v7ig/
github：https://github.com/Whiffe/yolov5-deepsort
码云：https://gitee.com/YFwinston/yolov5-deepsort
平台：https://cloud.videojj.com/home

一.简介

YOLOv5是一种单阶段目标检测算法，该算法在YOLOv4的基础上添加了一些新的改进思路，使其速度与精度都得到了极大的性能提升。主要的改进思路如下所示：

• 输入端：在模型训练阶段，提出了一些改进思路，主要包括Mosaic数据增强、自适应锚框计算、自适应图片缩放；
• 基准网络：融合其它检测算法中的一些新思路，主要包括：Focus结构与CSP结构；
• Neck网络：目标检测网络在BackBone与最后的Head输出层之间往往会插入一些层，Yolov5中添加了FPN+PAN结构；
• Head输出层：输出层的锚框机制与YOLOv4相同，主要改进的是训练时的损失函数GIOU_Loss，以及预测框筛选的DIOU_nms。

DeepSort
SORT算法的思路是将目标检测算法(如YOLO)得到的检测框与预测的跟踪框的iou(交并比)输入到匈牙利算法中进行线性分配来关联帧间 ID。而DeepSORT算法则是将目标的外观信息加入到帧间匹配的计算中，这样在目标被遮挡但后续再次出现的情况下，还能正确匹配这个ID，从而减少ID的切换，达到持续跟踪的目的。

二，平台与开发环境

2.1 平台

平台还是选择：极链AI云平台

2.2 所需环境

pytorch 1.6.0
python 3.6
cuda 10.2

2.3 下载项目

进入平台的jupyter
进入 home 目录

cd home

下载项目：

git clone https://github.com/Whiffe/yolov5-deepsort.git

如果github的网络不稳定，可以使用我同步在码云的代码

git clone https://gitee.com/YFwinston/yolov5-deepsort.git

2.4 搭建项目

进入 yolov5-deepsort 中

cd yolov5-deepsort/

安装所有所需要的环境

pip install -r requirements.txt

3 检测自己的视频

在github中，我上传了一个test.mp4的视频，这个是用来做检测的视频，如果你想检测自己的，把这个视频替换了就行。

检测代码：

python demoY.py

看看检测结果：

注意，这里是demoY.py，用于在平台环境中的镜像中跑，如果你用的ubuntu实体电脑，就用命令：python demoX.py，这可以显示检测的中间过程。