SiamMask视频目标跟踪源码运行笔记——Demo模式

1. 论文基本信息

• 论文标题：Fast Online Object Tracking and Segmentation: A Unifying Approach
• 论文作者：Qiang Wang（Institute of Automation, Chinese Academy of Sciences, CASIA）等
• 论文出处：CVPR 2019
• 在线阅读：https://arxiv.org/pdf/1812.05050.pdf
• 源码链接：https://github.com/foolwood/SiamMask

2. 运行环境介绍

• NVIDIA GTX 1070
• Windows 10 x64
• Visual Stuidio 2015
• CUDA 9.2.148 for Windows 10
• Python 3.6
• PyTorch 0.4.1

完整的Python依赖包如下所示：

certifi==2019.6.16
chardet==3.0.4
colorama==0.3.9
cycler==0.10.0
Cython==0.29.4
fire==0.1.3
h5py==2.8.0
idna==2.8
kiwisolver==1.1.0
llvmlite==0.29.0
matplotlib==2.2.3
numba==0.39.0
numpy==1.15.4
opencv-python==3.4.3.18
pandas==0.23.4
Pillow==6.1.0
protobuf==3.9.1
pyparsing==2.4.2
python-dateutil==2.8.0
pytz==2019.2
requests==2.21.0
scipy==1.1.0
six==1.12.0
tensorboardX==1.6
torch==0.4.1
torchvision==0.2.1
tqdm==4.29.1
urllib3==1.24.3
wincertstore==0.2

3. 准备

S1. 下载源码并解压。

S2. 下载两个SiamMask模型文件，地址：

• http://www.robots.ox.ac.uk/~qwang/SiamMask_VOT.pth
• http://www.robots.ox.ac.uk/~qwang/SiamMask_DAVIS.pth

下载完毕后，将上述两个文件拷贝到experiments\siammask_sharp目录里面，如下图所示：

S3. 设置环境变量。在Windows 10的系统环境变量中新增一个PYTHONPATH变量，将如下两个路径添加为该环境变量的值：

• 源码的根目录的绝对路径
• 源码的experiments\siammask_sharp目录的绝对路径

添加的时候两个路径之间用分号隔开，如下图所示：

S4. 在Anaconda命令行中cd到源码的utils/pyvotkit目录，然后运行下面一行命令：

python setup.py build_ext --inplace

运行时会调用VC++ 2015编译器进行编译，期间会有如下输出（不用理会warning）：

S5. 在Anaconda命令行中cd到源码的utils/pysot/utils目录，然后运行下面一行命令：

python setup.py build_ext --inplace

运行时会调用VC++ 2015编译器进行编译，期间会有如下输出（不用理会warning）：

4. 运行Demo

S1. 在Anaconda命令行中cd到experiments\siammask_sharp目录，然后运行下面一行命令：

python ../../tools/demo.py --resume SiamMask_DAVIS.pth --config config_davis.json

运行时，会首先出现第一帧画面，此时需要通过拖拽的方式输入目标的bounding box，按下空格键或回车键完成标定，算法会在后续帧对目标进行跟踪和分割，如下图所示：

5. 可能出现的问题及解决方法

问题： 在执行3.S4操作时报错：

running build_ext
building 'region' extension
error: Unable to find vcvarsall.bat

解决： 需要安装VS2015，并且至少安装其中的VC++ 2015基础公共工具