darknet 版 yolov4配合deep_sort多目标跟踪

该项目采用darknet的YOLOv4进行目标检测,结合deep_sort算法进行多目标跟踪。流程包括YOLOv4的配置与运行,deep_sort的特征编码与跟踪。配置YOLOv4涉及编译darknet,运行检测;deep_sort部分,使用MOT16数据集,加载预训练模型进行跟踪。评估结果显示还有较大提升空间。
摘要由CSDN通过智能技术生成

deep_sort_yolov4

参考我的仓库地址:Github

项目使用darknet版本的yolov4作为detector,不需要将模型进行转换,通过yolo_v4作为前端检测器,后面使用deep_sort官方提供的mars-small128.pb模型和generate_detections.py代码提取feature,再进行deep_sort算法的跟踪流程。

大致流程:

  • yolo_v4根据图片检测物体(人、车辆或其他),获取detections信息包含bbox,confidence等
  • 将bbox传入encoder获取feature特征
  • 接下来就是deep_sort算法的步骤,开始跟踪

1. 配置yolo_v4:

按博客配置python版本yolo_v4,博文详细提供了如何编译darknet,并测试运行: https://blog.csdn.net/u010512638/article/details/107931119

2. deep_sort:

1)下载MOT16官方数据集MOT16.zip,解压

  • 1
    点赞
  • 29
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
要配置Yolov4Darknet ROS,使其只识别person类,可以按照以下步骤进行: 1. 首先,需要在`darknet_ros/config/ros.yaml`文件中指定你的模型文件和类别文件。具体来说,需要指定以下参数: ```yaml yolo_model: config_file: <path-to-config-file> weight_file: <path-to-weight-file> threshold: <detection-threshold> detection_classes: <list-of-classes-to-detect> ``` 其中,`config_file`是你的Yolov4模型的配置文件路径;`weight_file`是你的Yolov4模型的权重文件路径;`threshold`是一个检测阈值,用于控制检测的敏感度;`detection_classes`是一个包含你想要检测的类别的列表。 2. 接下来,需要在`darknet_ros/config/yolov4.yaml`文件中指定你的Yolov4模型的类别文件。具体来说,需要指定以下参数: ```yaml classes: - class1 - class2 - ... ``` 其中,`class1`、`class2`等是你的Yolov4模型支持的所有类别。 3. 最后,你需要修改`darknet_ros/src/darknet_ros/darknet_ros.cpp`文件中的`image_callback`函数,使其只返回person类的检测结果。具体来说,你需要修改以下代码: ```cpp for (int i = 0; i < num; ++i) { int cls = -1; for (int j = 0; j < classes; ++j) { if (dets[i].prob[j] > thresh) { if (cls < 0) { cls = j; } else if (dets[i].prob[j] > dets[i].prob[cls]) { cls = j; } } } if (cls >= 0) { bbox_msg.Class[i] = names[cls]; bbox_msg.prob[i] = dets[i].prob[cls]; } } ``` 修改为以下代码: ```cpp for (int i = 0; i < num; ++i) { int cls = -1; for (int j = 0; j < classes; ++j) { if (dets[i].prob[j] > thresh && strcmp(names[j], "person") == 0) { cls = j; break; } } if (cls >= 0) { bbox_msg.Class[i] = names[cls]; bbox_msg.prob[i] = dets[i].prob[cls]; } } ``` 这样,`image_callback`函数将只返回person类的检测结果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值