基于YOLOv5的多目标跟踪器

Question

我使用YOLOv5来检测视频中的每一个帧中的多个对象。我想跟踪对象，而不是检测它们的每一个帧，为了做到这一点，我尝试了YOLOv5-DeepSort。不过，有一个大问题: Yolov5可以用TensorRT编译，这样对于嵌入式板(50 fast )来说，编译速度相当快，但是DeepSort似乎不能以同样的方式编译。

因此，我现在正在寻找一种不太昂贵的替代方案，它可以通过跟踪对象来提高我的检测能力。有什么想法吗？我已经尝试过来自OpenCV和motpy的KCF跟踪器，但两者都很糟糕。

Answer 1

免责声明:我是OSNet的主要贡献者。

遗憾的是，目前还没有TensorRT出口选项。您可以尝试使用https://github.com/abewley/sort。这就是，DeepSORT，但没有深层的外观描述符，所以跟踪将只基于运动，这取决于您的用例可能足够好。

另一种选择是将模型导出到相对容易的ONNX，然后使用TensorRT加载它们，如：https://learnopencv.com/how-to-convert-a-model-from-pytorch-to-tensorrt-and-speed-up-inference/

8月6日2022年编辑

我在回购中添加了一个特定于ReID的导出脚本。它产生：ONNX，OpenVINO和TFLite模型的移动网和resnet50 pt模型。我还添加了一个多后端模型加载器和推理器，它支持上述3种类型的模型。计划在不久的将来添加TensorRT。

一个小教程可以找到这里

9月9日2022年编辑

现在支持TensorRT导出和推断。示例用法：

python3 reid_export.py --weights /datadrive/mikel/Yolov5_StrongSORT_OSNet/weights/osnet_x0_25_msmt17.pt --include onnx engine --dynamic --device 0 --batch-size 30

python3 track.py --source 0 --strong-sort-weights weights/osnet_x0_25_msmt17.engine --imgsz 640 --yolo-weights weights/yolov5m.engine --device 0 --class 0