Yolov5_DeepSort_Pytorch复现踩坑日记

Github地址：https://github.com/mikel-brostrom/Yolov5_DeepSort_Pytorch

原文写的是py3.8以上，实际上应该不用，我试了一下，py3.7，pytorch使用官方安装方法来安装，供大家参考。

我是腾讯云，用CPU环境进行的测试，但是我在自己本机电脑上也用gpu，2070显卡测试过。

---

接下来按步骤进行说明：

1，系统选择的是ubuntu 20版，18版也测试过。

 

2，安装anaconda，可以直接安装最新版本。

直接从官网下载，https://www.anaconda.com/products/individual

我一般选择第一个，右键复制链接，然后手动下载，再ftp传过去，或者直接用wget下载，比如：

wget https://repo.anaconda.com/archive/Anaconda3-2020.11-Linux-x86_64.sh

 

3，使用ssh工具，比如putty或者mobaxterm，我很喜欢mobaxterm，功能挺好，免费版也够用了，自带sftp，官网：https://mobaxterm.mobatek.net/。

到anaconda安装文件的地方，使用bash+文件名方式安装，安装方法可以参考其他人写的文章，较为简单。例如：

bash Anaconda3-2020.11-Linux-x86_64.sh

注意：这里有一个坑，就是安装完以后可能测试提示conda命令无效，重启以后也没用，也可能没事。

如果遇到上述问题，一般可以在默认的目录下，一般是/home/你的用户名这个目录下，执行source .bashrc命令，然后再执行 conda update conda来测试，一般就可以了。

 

4，接下来clone代码，官方建议执行：git clone --recurse-submodules https://github.com/mikel-brostrom/Yolov5_DeepSort_Pytorch.git

而不是只用简单的git clone命令，因为下面的问题。

如果速度很慢，可以考虑用码云加速，但是注意，这个代码里面，yolov5是直接引用的，所以该目录用码云加速以后clone，或者简单的用git clone，都会出现yolov5的import错误。解决方案也很简单，找到yolov5的代码，clone或者码云加速clone到文件夹下面即可。

 

5，接下来下载两个模型文件，如果网络不好的，建议国内查找别人的百度网盘下载或者去我上传的资源中找到下载。

yolov5/weights/  目录下放yolov5权重文件，比如我用的较大的yolov5l.pt，还有其他的可以去yolov5的github上下载https://github.com/ultralytics/yolov5/releases 。

deep_sort/deep/checkpoint/ 目录下放ckpt.t7，要么去原文的谷歌网盘里下载，要么就自己百度找吧，我也上传了一份模型在csdn中备用，见这里：https://download.csdn.net/download/jayli517/16206779

 

6，创建一个虚拟环境，比如：conda create -n pytorch37 python=3.7

然后激活环境：conda activate pytorch37

安装pytorch，这个是重点，采用官网的安装方法：

选择你对应的cuda版本，这个坑更深，另说。本文先简单介绍cpu版的方法，GPU版本由于各种问题和可能性都会有，所以安装方法大家自行尝试，我在其他文档里会写一下踩坑记录。CPU版命令较为简单省事，报错概率很低。顺便一说，把下面安装代码中的cpu改成gpu就可以装gpu版了。

CPU版安装：

pip install torch==1.8.1+cpu torchvision==0.9.1+cpu torchaudio===0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

 

7，进入Yolov5_DeepSort_Pytorch的主目录下，开始安装其他依赖项，执行命令：pip install -U -r requirements.txt

 

8，通常来说大部分就安装完成了，但是有可能会漏掉一个easydict的，执行命令：pip install easydict

---

异常检测：

如果上面这几步报错，就比较奇怪了，需要具体问题具体分析了。

此时可以执行命令进行测试了，比如：

python track.py --weights /home/ubuntu/github/Yolov5_DeepSort_Pytorch/yolov5/weights/yolov5l.pt --source /home/ubuntu/github/video-ori/01.mp4 --output /home/ubuntu/github/video-output/

--weights 后面是我具体用的pt文件地址，你可以使用相对地址，不用非要学我用绝对地址

--source 是输入的视频文件地址

--output 是输出的视频文件目录

如果一切顺利，就可以自动开始执行了。

---

但是有可能你会遇到opencv的报错，参考网上的信息：

https://stackoverflow.com/questions/55313610/importerror-libgl-so-1-cannot-open-shared-object-file-no-such-file-or-directo

执行命令安装：

sudo apt install libgl1-mesa-glx
sudo apt-get install ffmpeg libsm6 libxext6  -y

之后报错消失，可以继续了。

---

如果你觉得解析视频速度实在太慢了，一帧一帧的受不了，可以用ffmpeg来加速，预先处理一下视频。

因为ubuntu 20版已经预置了ffmpeg，所以这里不介绍安装问题。

首先把目录结构建好，按照自己的需求来，我是：

video-ori 原始视频

video-output 输出视频

执行命令将视频抽帧截图：

ffmpeg -i 原视频 -r 1 -f image2 图片输出目录/image-%05d.jpeg

-r 1 表示每秒抽1帧

执行命令重新合成视频：

ffmpeg -i 图片输出目录/image-%05d.jpeg -vcodec mpeg4 视频输出目录/01mp4_output.mp4

然后就可以得到一个抽帧加速的视频，当然如果你代码更好，完全可以自己写py或者shell脚本一步处理。

我最终使用的命令是：

ffmpeg -i /home/ubuntu/github/video-output/01.mp4 -r 25 -b:a 32k /home/ubuntu/github/video-output/01-low.mp4

固定为每秒25帧，音频调整为32k。压缩比并不是特别大，但是可以接受。

---

以上是一个简单实现，Yolov5_DeepSort_Pytorch的CLI参数不少，但是没有文档详细解释，需要自己注意看。

另外，如果是在云服务器上运行，不喜欢看图片窗口老弹出来一直显示的话，在track.py文件中搜索show，注释掉cv2.imshow(p, im0) 这一行。