yolov3_deepsort的实现过程及其存在的问题分析

基于pytorch的复现

本教程的实现基于Yolov3_deepsort_pytorch

1. 创建环境
2. 配置运行代码
3. 实验过程
   该代码实现过程非常容易，本人在Ubuntu16.04上进行相关实验。
   首先需要下载相关代码到服务器（必要)
   方法1：直接下载到本地，然后上传至服务器
   方法2：git clone https://github.com/mikel-brostrom/Yolov3_DeepSort_Pytorch
   如果你使用pycharm，最好使用的方法1。

创建环境

创建环境

conda create -n yolov3_deepsort python=3.7

激活环境

source activate yolov3_deepsort

按照requirements.txt安装相关包

pip install -r requirements.txt

实现过程

–source 其中可以包含文件夹与文件，图片和视频都可以进行跟踪与识别。
终端实现过程:

python track.py --source file-name

终端上的实验结果

其中识别的结果可以在本地显示，因为这样处理速度太慢，所以没有展示。

如果想要实时观察其跟踪过将结果，只要将track.py 中

 if view_img:

改成：

if true：

或者将

parser.add_argument('--view-img', action='store_true', help='display results')

改成：

parser.add_argument('--view-img',default='True', action='store_true', help='display results')

实验结果

问题分析：
1、当一个人动作幅度变化大的时候，该方法的跟踪效果不好，目标左上角的id会有变化。
2、当不同的目标姿态与动作背景与历史识别结果相关性很大的时候，跟踪结果的id会与之前的跟踪对象一样。

希望能与大家共同进步！