Yolov5 + DeepSort

本项目包括两个部分，首先是yolov5网络，其将检测出一系列物体，然后是DeepSort网络进行跟踪

使用方法：点击上方菜单，选择 Run（运行） - Run All Cells（运行所有）

第一步 代码环境准备

!wget https://obs-aigallery-zc.obs.cn-north-4.myhuaweicloud.com/clf/code/Yolov5_DeepSort_Pytorch.zip 
!unzip Yolov5_DeepSort_Pytorch.zip
%cd Yolov5_DeepSort_Pytorch
%pip install -qr requirements.txt  # 安装依赖

import torch
from IPython.display import Image, clear_output  # 显示结果

clear_output()
print(f"Setup complete. Using torch {torch.__version__} ({torch.cuda.get_device_properties(0).name if torch.cuda.is_available() else 'CPU'})")

Setup complete. Using torch 1.8.1+cu102 (Tesla V100-PCIE-32GB)

第二步 预处理待测视频

test.avi为待测视频，为节约时间，这里我们只取前面3秒，你可以设置更长时间，同时运行时间会增加

!y | ffmpeg -ss 00:00:00 -i test.avi -t 00:00:03 -c copy out.avi -y

第三步 模型推理

进行yolov5和deepsort的推理

!python track.py --yolo_weights weights/crowdhuman_yolov5m.pt --source out.avi --save-vid

第四步 格式转换

!ffmpeg -i inference/output/out.avi output.mp4 -y

第五步 显示结果

from IPython.display import HTML
from base64 import b64encode
mp4 = open('output.mp4','rb').read()
data_url = "data:video/mp4;base64," + b64encode(mp4).decode()

HTML("""
<video controls>
      <source src="%s" type="video/mp4">
</video>
""" % data_url)