deepsort + yolov5 轨迹追踪 pytorch 环境配置
简介
SORT (Simple Online Realtime Tracking) 是基于目标检测的追踪。与基于底层图象特征（如ORB特征）相比，目标检测的重复检测更稳定，并且算法结构更简单。deepsort 基于sort框架上增加了基于深度学习的图象特征提取用于目标匹配，可以有效应对在目标交叉时ID交换和目标消失后重识别的问题。deepsort因为检测速度和精度都较好，在工业界有很多应用。deepsort 有很多开源的实现，以下是基于pytorch的 yolo_v5+deepsort 环境配置。
配置过程
1.下载代码
代码地址：https://github.com/mikel-brostrom/Yolov5_DeepSort_Pytorch
安装readme的 deepsort 和 yolo_v5的代码。
2.下载 pytorch whl文件。
pytorch 要用1.7.0以上版本。换源的版本没有最新的，只能在pytorch 官网用whl 文件安装，
下载地址： https://download.pytorch.org/whl/torch_stable.html
找到对应的torch和torchvision版本，上梯子把文件下下来。torch 要和系统和python 版本对应，如cp36是对应python3.6。torchvision要和torch的版本对应，查不到对应版本的化，安装torchvision时会显示对应的torch版本。
3.配置环境
因为要用特定的特定的python版本，可以在conda里创建虚拟环境。python 版本要与下载的torch版本相同
conda create -n torh170 python=3.6
source activate torh170
环境名为 torch170，把轮子文件whl文件放在当前目录下安装
pip install torch-1.7.0-cp36-none-macosx_10_9_x86_64.whl
pip install torchvision-0.8.0-cp36-cp36m-macosx_10_9_x86_64.whl
安装其他依赖，可以用豆瓣源加速
pip install opencv-python -i https://pypi.douban.com/simple/
类似的安装其他依赖库 tqdm, pyyaml, matplotlib, easydict, scipy
4.下载 模型weight文件和视频文件
按照readme描述下载模型weight文件和视频文件，运行：
python3 track.py -—source demo.avi
5.MOTA 追踪结果指标
MOT(Multi Object Tracking)Challenge是个公开的多目标追踪benchmark。可以用上吗的真值数据对追踪结果进行评价。MOT16官方的代码需要用到matlab，有人写了纯python的实现： https://github.com/shenh10/mot_evaluation
结果和真值要写成对应的格式：
<frame>, <id>, <bb_left>, <bb_top>, <bb_width>, <bb_height>, <conf>, <x>, <y>, <z>
把结果和真值放在对应的文件夹内运行：
python evaluate_tracking.py --gt ./data/MOT16-11/gt.txt --track ./data/MOT16-11/res.txt