pytracking系列跟踪算法的配置（LWL, KYS, PrDiMP, DiMP and ATOM Trackers）（Ubuntu版本）

注：配置环境为Ubuntu系统。

Windows版本配置见博客：

pytracking系列跟踪算法的配置（LWL, KYS, PrDiMP, DiMP and ATOM Trackers）（windows10版本）_博博有个大大大的Dream-CSDN博客

1、论文下载地址：

LWL:Learning What to Learn for Video Object Segmentation.[paper]

KYS: Know Your Surroundings: Exploiting Scene Information for Object Tracking.[paper]

PrDiMP:Probabilistic Regression for Visual Tracking.[paper]

DiMP：Learning Discriminative Model Prediction for Tracking.[paper]

ATOM: Accurate Tracking by Overlap Maximization.[paper]

2、代码下载：

https://github.com/visionml/pytracking

3、新建虚拟环境并激活

conda create -n pytracking python=3.7.0
activate pytracking

4、安装pytorch

pip install torch===1.4.0 -f https://download.pytorch.org/whl/torch_stable.html
 
pip install torchvision===0.5.0 -f https://download.pytorch.org/whl/torch_stable.html

5、安装依赖库1

pip install matplotlib pandas tqdm
pip install opencv-python visdom tb-nightly scikit-image tikzplotlib gdown

6、安装依赖库2

pip install cython
pip install pycocotools
pip install lvis

7、安装Precise ROI pooling

1）安装ninja-build

sudo apt-get install ninja-build

如果不是sudoer账户，需要添加如下环境变量来使用ninja-build

export PATH="/usr/bin:/usr/lib:/usr/share:/usr/share/man:$PATH"

2）下载Precise ROI pooling库并将其拷贝到路径ltr/external/PreciseRoIPooling/

下载地址：https://github.com/vacancy/PreciseRoIPooling

3）用PreciseRoIPooling/src/prroi_pooling_gpu_impl.cu替换PreciseRoIPooling/pytorch/prroi_pool/src/prroi_pooling_gpu_impl.cu

用PreciseRoIPooling/src/prroi_pooling_gpu_impl.cuh替换PreciseRoIPooling/pytorch/prroi_pool/src/prroi_pooling_gpu_impl.cuh

cp projectdir/pytracking-master/ltr/external/PreciseRoIPooling/src/prroi_pooling_gpu_impl.cu* projectdir/pytracking-master/ltr/external/PreciseRoIPooling/pytorch/prroi_pool/src/

解释一下为什么要这么做： PreciseRoIPooling/pytorch/prroi_pool/src/prroi_pooling_gpu_impl.cuh和PreciseRoIPooling/pytorch/prroi_pool/src/prroi_pooling_gpu_impl.cu这个两个文件用的是相对路径软连接，我们的代码不是通过git clone的形式安装的，相对路径失效，所以需要拷贝替换。至于为什么不用git clone，是因为服务器经常上不去github网站。

8、安装spatial-correlation-sampler (KYS tracker需要的库)

pip install spatial-correlation-sampler

 9、安装jpeg4py

sudo apt-get install libturbojpeg
pip install jpeg4py

10、下载预训练模型

下载预训练模型

下载地址：

https://github.com/visionml/pytracking/blob/master/MODEL_ZOO.md

百度云下载地址：

链接：https://pan.baidu.com/s/12R58DNaRJqHodNcT5YzjUQ
提取码：wbrq 

新建networks路径保存下载的预训练模型

11、生成配置文件

运行：

python -c "from pytracking.evaluation.environment import create_default_local_file; create_default_local_file()"

python -c "from ltr.admin.environment import create_default_local_file; create_default_local_file()"

运行之后，会生成pytracking/evaluation/local.py和ltr/admin/local.py两个配置文件，设置预训练模型路径和评价数据集路径

 12、运行

开一个终端运行可视化服务器

activate pytracking
python -m visdom.server

通过http://localhost:8097/地址观看结果。

开另一个终端运行代码

activate pytracking
python pytracking/run_tracker.py atom default --dataset_name otb --sequence Soccer --debug 1 --threads 0

参数解释一下：atom是需要运行的跟踪器名字

default是参数设置，在pytracking/parameter/atom路径下有很多参数可选。

otb是需要运行的数据集名称

Soccer是需要运行的视频序列名字

debug控制可视化等级

threads运行的线程数

13、遇到错误（1）

raise Exception('Could not read file {}'.format(path))
Exception: Could not read file /data3/publicData/Datasets/OTB/OTB2015/BlurCar1/groundtruth_rect.txt
 

解决办法：

打开pytracking/utils/load_text.py更改函数：

def load_text_numpy(path, delimiter, dtype)

为如下：

def load_text_numpy(path, delimiter, dtype):
    if isinstance(delimiter, (tuple, list)):
        for d in delimiter:
            try:
                # ground_truth_rect = np.loadtxt(path, delimiter=d, dtype=dtype)
                
                # to deal with different delimeters
                import io
                with open(path,'r') as f:
                    ground_truth_rect=np.loadtxt(io.StringIO(f.read().replace(',',' ')))
                
                return ground_truth_rect
            except:
                pass
 
        raise Exception('Could not read file {}'.format(path))
    else:
        ground_truth_rect = np.loadtxt(path, delimiter=delimiter, dtype=dtype)
        return ground_truth_rect

14、遇到错误（2）

subprocess.CalledProcessError: Command '['ninja', '-v']' returned non-zero exit status 1.

....

RuntimeError: Error building extension '_prroi_pooling'

问题原因：

pip安装的torch存在兼容性问题，无法生成_prroi_pooling库。用教程的conda方式安装即可。

解决方法：

pip uninstall torch
pip uninstall torchvision
conda install pytorch torchvision cudatoolkit=10.0 -c pytorch

15、再次运行12步骤

编译成功

再次运行12步骤 

在http://localhost:8097/地址可查看跟踪结果