deepsort+yolov3 程序运行

deepsort+yolov3

deepsort+yolov3 程序运行

刚开始学习这方面的知识， 查了很多文档也绕了很多弯路，看着收藏夹里越来越多的网页信息，我意识到必须根据自己的实际情况进行整理和记录。

下载所需资源

目前用到的很多资源都是从Git上下载的，但是下载速度太慢了，有时甚至会下载失败。推荐一个好用的下载资源：
GitHub代下载服务

需要下载的程序项目如下：

1. https://github.com/Qidian213/deep_sort_yolov3
2. https://github.com/qqwweee/keras-yolo3
3. https://github.com/Veriff/face_alignment_challenge

生成yolo.h5文件

1、yolov3.weight权值文件下载
原始链接打不开，这里推荐其他博客中的下载地址：
百度网盘下载地址：
链接: https://pan.baidu.com/s/1QZTjhc6yAoqs2KJWj-Y2gA 提取码: 9ndy
（引用博客为https://blog.csdn.net/neo_qiye/article/details/84782199）

2、将权重转换为yolo.h5模型
将上面下载的yolov3.weights文件放到keras-yolo3文件夹下，在keras-yolo3文件夹下面执行：

python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5

然后把model_data文件夹里面新生成的yolo.h5复制到deep_sort_yolov3项目的model_data文件夹中。

检查deep_sort_yolov3项目的model_data文件夹中是否有mars-small128.pb文件（最新下载的文件中已将包含了mars-small128.pb）。如果没有则使用下面2种方法之一进行获取：

1. 下载
   mars-small128.pb 提取码：nnjf
2. 运行程序生成自己的新的文件（下载项目 deep_sort，cmd切换到文件目录，运行下面指令)：

python tools/freeze_model.py

将下载或者生成的mars-small128.pb文件放于model_data中。

解决"videocaptureasync"模块报错

查看作者的项目页面，发现这版程序刚刚修改过，所以按照之前的教程直接运行demo.py程序报错了。
报错内容：

里面的 “videocaptureasync” 为作者新添加，需要：

1、自己下载videocaptureasync.py，将下载后的videocaptureasync.py放在deep_sort_yolov3文件夹下。

在作者的项目页面中也有大家对于该问题的讨论：

2、编译videocaptureasync.py生成videocaptureasync.pyc
参看博客内容，在deep_sort_yolov3下添加新的python文件try_it.py，运行程序发现正确生成了videocaptureasync.pyc

import py_compile
py_compile.compile(file='videocaptureasync.py', cfile='videocaptureasync.pyc', optimize=-1)

运行示例程序

在pycharm的终端运行示例程序demo.py

python demo.py

本来写到这里就可以结束了，但是，运行报错啦
报错的地方没有截图，想起来还没有添加opencv库。但是也不确定安装哪个版本的比较好。于是随便写一个3.5版本：
于是从上面可安装的版本中挑选了4.0.0.21版进行安装，并进行测试，安装成功。
再一次运行还是报错：

仔细阅读报错内容和程序（还不太看的懂，主要靠猜），怀疑视频路径错误。另一篇博客里提了一句要修改视频路径，其他人的博客里压根就没提，可能他们都觉得很简单…

1. 找了一段自己的视频 “2.mp4”，放在deep_sort_yolov3文件下
2. 将程序中 file_path = ‘video.webm’ 修改为 file_path = ‘2.mp4’

好消息是程序终于跑起来了！但是因为我用的是tensorflow-cpu，所以运行很慢很慢，慢到我都怀疑它到底在干嘛…

还是安装一下tensorflow-GPU吧

待改进之处

正如博客中所提到的：大部分的教程都是跟踪单类别的多目标，即要么跟踪所有人，要么跟踪所有车，并不能同时跟踪统计多类别的多目标。当需求是跟踪视频中的所有出现的目标，统计每一类目标出现的数量时不能满足。这也是后续要改进的方向。