YOLOV5+DeepSort行人统计
环境配置
安装Anaconda
登录Anaconda官网下载适合自己版本的anaconda
安装后，在命令窗口输入conda -V
检测Anaconda版本，查看自己的环境是否安装成功
创建虚拟环境
为方便环境的管理，打开Anaconda Prompt，创建pytorch虚拟环境
conda create -n pytorch python=3.6
可以根绝自己的python版本进行更换
激活虚拟环境
conda activate pytorch
安装pytorch
登录pytorch官网
根据自己情况填写后，获取相应的安装指令。自己的虚拟环境中通过安装指令安装pytorch。
我选择的是没有cpu的pytorch1.8.1。安装指令是
pip3 install torch==1.8.1+cpu torchvision==0.9.1+cpu torchaudio===0.8.1 -f https://download.pytorch.org/whl/lts/1.8/torch_lts.html
下载YOLOV5-DeepSort
在Github中clone项目Yolov5_DeepSort_Pytorch,因国内访问Github比较慢，CSDN下载链接。
配置项目所需环境
在Anaconda Prompt下，通过cd命令进入到项目文件夹下，执行安装指令
pip install -r require ments.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
下载YOLOV5，在Github的DeepSort-Object-Tracking-PyTorch项目中将YOLOV5文件夹复制到Yolov5_DeepSort_Pytorch项目中（原本的Yolov5_DeepSort_Pytorch项目中yolov5文件夹是空的没有相应的文件），CSDN下载链接
准备分类模型
下载ckpt.t7
将ckpt.t7放到\deep_sort_pytorch\deep_sort\deep\checkpoint
下载模型
下载一个最小的模型yolov5s.pt。如果速度太慢，请转yolov5s.pt，将模型文件复制到\yolov5\weights路径
下载测试视频
可以自己找行人视频也在、可以根据下载链接下载本项目视频,将测试视频置于项目路径
运行案例
在Anaconda Prompt中运行命令
python track.py --source ./Demo.mp4 --show-vid --save-vid --yolo_weights ./yolov5/weights/yolov5s.pt
运行结果
默认会在\inference\output路径下生成标记好的视频