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