Windows 10 YOLO v3 Deep_Sort多目标跟踪实验环境搭建成功手记

上周在HP 暗影精灵5笔记本（Windows10，GPU：NVIDIA GeForce GTX 1060 with Max-Q Design）上做了YOLO v3和Dlib19.17的运算速度与多目标检测的对比测试，具体测试情况请见：

运算速度对比测试：

https://blog.csdn.net/weixin_41943311/article/details/92793426

多目标检测对比测试：

https://blog.csdn.net/weixin_41943311/article/details/92839175

其实，目标检测只是诸多实际应用的第一步。那么，我们稍微拓展一点，基于一个视频，如果我们关心其中一个或几个目标的运动轨迹，那么怎么搭建一个实验环境快速地测试和验证一下呢？

网上有不少同学建议使用YOLO v3+Deep_Sort，但逐一看过去，对初学者来说，许多文章都语焉不详，下载下来的资源也往往不能直接使用。

经过反复验证和实验，我们成功搭建了一套YOLO v3+Deep_Sort多目标跟踪实验环境，实际运行时，YOLO v3+Deep_Sort多目标跟踪的运算速度大约为9-10fps。过程如下：

（1）安装必要的软件环境

我们使用Anaconda3来安装所有必要的软件环境：

（1.1）安装opencv：               conda install opencv

（1.2）安装mingw libpython： conda install mingw libpython

（1.3）安装theano：               conda install theano

（1.4）安装tensorflow-gpu：  conda install tensorflow-gpu

（1.5）安装sklearn：               conda install scikit-learn

（1.6）安装matplotlib：          conda install