文章地址：http://openaccess.thecvf.com/content_CVPR_2020/html/Guo_SiamCAR_Siamese_Fully_Convolutional_Classification_and_Regression_for_Visual_Tracking_CVPR_2020_paper.html
代码地址：https://github.com/ohhhyeahhh/SiamCAR
【一】从github上下载代码
【二】通过conda进入项目
根据官方提供步骤，使用命令配置环境。
由于大部分模块我已经安装好，直接根据requirement.txt提示安装相对应的模块就行。
因此使用pip install XXX 安装原来环境中没有的模块
【三】下载模型和数据集json文件
模型下载好后，项目文件下新建snapshot
数据集json文件下载后可以存放在pretrained_models下
文档训练提供的代码训练的是UAV123数据集，因此下载UAV123数据集。
UAV123总共有13G，如果只是测试用，只用下最小的那个压缩包（1.8G）。
这篇博文中有下载地址：https://blog.csdn.net/sinat_27318881/article/details/85211053
打开UAV123目录下的data_seq
然后随便选一个数据集，我选的是bike1
在SiamCAR同级目录下新建testing_dataset。
在testing_dataset新建文件夹UAV123，放入UAV123数据集和json文件
修改UAV123.json文件
只测试bike1这个序列集，因此在UAV123.json中找到bike1
把bike1相关数据复制另存为一份新的json，并命名为UAV123.json，新保存的json文件一定要包含以下几个属性
为了提高测试速度，特地删了bike1文件下的图片，只保留了200张，因此，UAV123.json中的img_names也只保留200张图片名
以下为更改后文件夹目录
【四】运行
把tools下test.py复制一份到SiamCAR-master/test.py
[图片上传中...(image.png-44d81c-1602570317165-0)]
运行时在官网提供文档的命令后面再加上 --vis 显示出视频
【五】利用该算法跑自己的视频
1.注释创建数据集的方法，复制test.py命名为test2.py，即SiamCAR-master/test2.py
2.用cv的方法读取视频帧，然后循环遍历帧，为每一帧画框
# 读视频 分割成帧
videoFile = 'E:/lqj/testing_dataset/garbage/garbage.mp4'
capture = cv2.VideoCapture(videoFile)
height = capture.get(cv2.CAP_PROP_FRAME_HEIGHT) # 视频高度
width = capture.get(cv2.CAP_PROP_FRAME_WIDTH) # 视频宽度
count = capture.get(cv2.CAP_PROP_FRAME_COUNT) # 视频总帧数
fps = capture.get(cv2.CAP_PROP_FPS) # 视频帧率
print("count is %d , fps is %d " % (count, fps))
out = cv2.VideoWriter('E:/lqj/testing_dataset/garbage/garbage_new.mp4', cv2.VideoWriter_fourcc('D', 'I', 'V', 'X'),
15, (np.int(width), np.int(height)), True)
out_path = 'E:/lqj/testing_dataset/garbage/output/'
if not os.path.isdir(out_path):
os.makedirs(out_path)
frameNum = 0
model_name = args.snapshot.split('/')[-2] + str(hp['lr']) + '_' + str(hp['penalty_k']) + '_' + str(hp['window_lr'])
i = 0
#初始第一帧图片的位置和大小
gt_bbox = [540, 0, 41, 45]
while True:
ret, frame = capture.read()
#给将每一帧图片画框
img = frame
toc = 0
pred_bboxes = []
track_times = []
tic = cv2.getTickCount()
if i == 0:
cx, cy, w, h = get_axis_aligned_bbox(np.array(gt_bbox))
gt_bbox_ = [cx - (w - 1) / 2, cy - (h - 1) / 2, w, h]
tracker.init(img, gt_bbox_)
pred_bbox = gt_bbox_
pred_bboxes.append(pred_bbox)
else:
outputs = tracker.track(img, hp)
pred_bbox = outputs['bbox']
pred_bboxes.append(pred_bbox)
toc += cv2.getTickCount() - tic
track_times.append((cv2.getTickCount() - tic) / cv2.getTickFrequency())
i += 1
if i == 0:
cv2.destroyAllWindows()
if args.vis and i > 0:
if not any(map(math.isnan, gt_bbox)):
pred_bbox = list(map(int, pred_bbox))
cv2.rectangle(img, (pred_bbox[0], pred_bbox[1]),
(pred_bbox[0] + pred_bbox[2], pred_bbox[1] + pred_bbox[3]), (0, 255, 255), 3)
cv2.putText(img, str(i), (40, 40), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 255), 2)
cv2.imshow('garbage', img)
cv2.waitKey(1)
frameNum = frameNum + 1
if frameNum % 2 == 0: # 调整帧数
cv2.imwrite(out_path + 'vieo1_' + str(frameNum) + ".jpg", frame) # 保存图片
# if ret is True:
# cv2.imshow("video-input", frame)
# out.write(frame)
#
# c = cv2.waitKey(50)
# if c == 27: # ESC
# break
# else:
# break
toc /= cv2.getTickFrequency()
# save results
model_path = os.path.join('results', 'garbage', model_name)
if not os.path.isdir(model_path):
os.makedirs(model_path)
result_path = os.path.join(model_path, 'garbage.txt')
with open(result_path, 'w') as f:
for x in pred_bboxes:
f.write(','.join([str(i) for i in x]) + '\n')
#os.chdir(model_path)
capture.release()
out.release()
print('well done')
用画图工具获取第一帧图片中目标所在位置及大小（x, y, w, h）
3.运行看效果
我修改的代码不是很好，还是有报错