yolo_track环境搭建

可以实现yolo模型选择，跟踪方法选择，reid模型选择，跟踪类别选择，多种输入源(rtsp,web等)

项目地址

GitHub - mikel-brostrom/yolo_tracking: BoxMOT: pluggable SOTA tracking modules for segmentation, object detection and pose estimation models

 功能和使用

功能和使用方法看README 

环境搭建

1.安装python3.10

链接：

Python Releases for Windows | Python.org

项目要求python>=3.8，实测3.12版本太高报错，numpy1.24.4会安装不上，详细错误解释如下链接

python - 为什么 numpy 不支持 PEP517 构建？- 堆栈溢出 (stackoverflow.com)

 我在Windows下同时安装了3.12和3.10版本，通过修改环境变量的方法修改当前使用的python版本

 2.按readme要求安装

使用的不是conda而是poetry，用管理员权限打开终端安装poetry

3.视频或者图像文件相对项目根目录 

./test.mp4就放在./yolo_tracking下

如何使用cuda跑 

默认使用的是cpu在跑，跑一帧需要35ms左右，视频看起来很卡。使用gpu跑在3ms-10ms之间

修改poetry的配置文件pyproject.toml,将torch部分替换成如下：

注意：cu121需要替换成你的cuda版本，我的版本是12.1

torch = [
    {version = "^2.2.1", source = "torchcuda", markers = "sys_platform == 'win32'"}
]
torchvision = [
    {version = "^0.17.1", source = "torchcuda", markers = "sys_platform == 'win32'"}
]
gitpython = "^3.1.42"


[[tool.poetry.source]]
name = "torchcuda"
url = "https://download.pytorch.org/whl/cu121"
priority = "explicit"

修改完后使用poetry更新环境

在终端执行命令中加上--device 0

python .\tracking\track.py --source test4.mp4 --yolo-model yolov8n --tracking-method deepocsort --reid-model lmbn_n_cuhk03_d.pt --show --device 0 --classes 0