yolox+ByteTrack实现目标追踪

最新推荐文章于 2025-04-02 14:41:57 发布

yiyi9909

最新推荐文章于 2025-04-02 14:41:57 发布

阅读量1.1k

点赞数 17

分类专栏： yolo 文章标签： python 计算机视觉机器学习 YOLO

本文链接：https://blog.csdn.net/gaoyi928/article/details/144572637

版权

yolo 专栏收录该内容

3 篇文章

订阅专栏

yolox+ByteTrack实现目标追踪

一、clone代码ByteTrack到本地

可直接使用Git clone到本地

git clone https://github.com/ifzhang/ByteTrack.git
# git失败的请配置ssh密钥，具体可以gpt

二、配置环境

1、创建虚拟环境

打开Anaconda prompt 创建虚拟环境：

# conda create -n 环境名 python=X.X
# 此处python建议使用3.7或3.8版本（高版本的pytorch已不再支持python3.6及以下版本；同时onnx1.8.1包不支持python3.9及以上）
conda create -n bt python=3.8

激活虚拟环境：

conda activate bt

2、安装pytorch（GPU版本）

cpu版本类似，或直接安装requirements.txt文件（这种方式请自己git代码中的requirements.txt文件，我提供的代码基于是gpu的）

如果使用官方给出的安装方式可能会出现如下两个问题：

第一，安装速度过慢；

第二，安装完成后，torch.cuda.is_available()为False。因此，给出如下安装步骤：

第一步：打开cmd，输入nvcc -V 查看自己的CUDA版本（本文中CUDA表示大cuda，cuda表示小cuda；CUDA版本必须大于等于cuda版本）

在这里插入图片描述

第二步：打开链接https://download.pytorch.org/whl/torch_stable.html 找到对应自己需要的版本（这一步是提前下载安装torch的whl文件，直接安装容易失败，因为torch包约2G左右）

在这里插入图片描述

1.12.0是指torch版本

第一步显示我的CUDA为11.3 那么cuda版本需小于等于CUDA（推荐版本一致）

cp38对应python3.8版本

win表示是Windows平台

第三步，打开Anaconda prompt控制台

conda activate bt

pip install "D:\whl\cp38\torch-1.12.0+cu113-cp38-cp38-win_amd64.whl"

pip install "D:\whl\cp38\torchvision-0.13.0+cu113-cp38-cp38-win_amd64.whl"

pip install "D:\whl\cp38\torchaudio-0.12.0+cu113-cp38-cp38-win_amd64.whl"
# D:\whl\cp38\  是下载的whl文件的路径

安装完成后，输入python激活python环境

# 检验gpu是否可用
import torch
print(torch.cuda.is_available())

结果若为true，则安装成功

3、安装requirements.txt中的剩余包

由于已安装torch包，需要修改项目文件夹中requirements.txt文件如下

# TODO: Update with exact module version
numpy
opencv_python
loguru
scikit-image
tqdm
Pillow
thop
ninja
tabulate
tensorboard
lap
motmetrics
filterpy
h5py

# verified versions
onnx==1.8.1
onnxruntime-gpu
onnx-simplifier==0.3.5

onnxruntime-gpu 可以不安装gpu版本的，自己电脑是否支持NVIDIA的gpu情况

# 安装上述包（在虚拟环境bt中）
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt

4、安装yolox

先更改D:\pyprogramfile\ByteTrack\setup.py文件

# 将
with open("README.md", "r") as f:
# 修改为
with open("README.md", "r", encoding='utf-8') as f:

并执行

#在anaconda prompt中激活虚拟环境bt 并 cd到项目目录D:\pyprogramfile\ByteTrack
python setup.py develop

5、安装 `cython` 和 `pycocotools`

# 先安装cpython包
pip install cython -i https://pypi.tuna.tsinghua.edu.cn/simple/

使用官方给出的方式安装pycocotools可能会出现报错（已老实），经查阅后可以根据如下方式安装

1）在https://github.com/pdollar/coco.git下载源码压缩包，或

通过网盘分享的文件：cocoapi-master.zip
链接: https://pan.baidu.com/s/1D9ZDCi–pO5NiJTOte1Ozw 提取码: yy88

解压后放在bt虚拟环境下的site-packages文件下，我的路径是：D:\anaconda3\envs\bt\Lib\site-packages

如果不是虚拟环境，也类似。

2）下载源码后，打开源码文件cocoapi-master\pythonAPI中的setup.py文件，删除下面的两个参数：
在这里插入图片描述

3）在Anaconda prompt中cd到cocoapi-master\pythonAPI文件夹下，我的路径是：D:\anaconda3\envs\bt\Lib\site-packages\cocoapi-master\PythonAPI 输入

python setup.py build_ext --inplace
# 显示“已完成代码的生成”即成功
python setup.py build_ext install
# 显示"Finished processing dependencies for pycocotools==2.0"即成功。

6、安装cython_bbox

如按照官方方式仍然可能会报错，可根据下述步骤安装

1）下载源码

通过网盘分享的文件：cython_bbox-0.1.3.zip
链接: https://pan.baidu.com/s/1DihR4U0mAvYStVYDCFiFiQ 提取码: yy88

解压后放在site-packages文件下（site-packages文件夹位置与上一步相同）

2）更改源码文件中的setup.py文件

打开文件夹内setup.py文件，将extra_compile_args=[‘-Wno-cpp’] 修改为 extra_compile_args = {‘gcc’: [‘/Qstd=c99’]}

在这里插入图片描述

打开anaconda prompt 激活bt环境并进入D:\anaconda3\envs\bt\Lib\site-packages\cython_bbox-0.1.3路径后执行

python setup.py build_ext install
# 显示Finished processing dependencies for cython-bbox==0.1.3即成功

三、运行demo

下载预训练模型，可通过我的网盘下载，下载链接如下：

通过网盘分享的文件：bytetrack_x_mot17.pth.tar
链接: https://pan.baidu.com/s/1Cl0rRwNotoHdLtbDQJh_Wg 提取码: yy88

将下载下来的训练文件放在bytetrack项目 pretrained文件夹下（没有自行创建）

cd到项目文件夹，输入

python tools/demo_track.py video -f exps/example/mot/yolox_x_mix_det.py -c pretrained/bytetrack_x_mot17.pth.tar --fp16 --fuse --save_result

即可开始运行，运行结果会自动放入ByteTrack\YOLOX_outputs\yolox_x_mix_det\track_vis文件夹中

问题注意：

出现下列问题是因为已安装的numpy包不低于1.20，但降级numpy版本到1.20以下又会出现包冲突。

1、打开D:\anaconda3\envs\bt\Lib\site-packages\cython_bbox-0.1.3\src\cython_bbox.pyx文件，将所有np.float更改为np.float64，

2、并重新 python setup.py build_ext install一下

3、将源码D:\pyprogramfile\bytetrack
olox\tracker\byte_tracker.py和D:\pyprogramfile\bytetrackyolox\tracker\matching.py文件中所有np.float更改为np.float64即可

在这里插入图片描述