引言

利用yolov5训练的目标识别模型，结合DeepSort实现目标追踪
源码下载：
（1）Yolov5_DeepSort_Pytorch (该源码下载下来的yolov5文件夹是空的，需要另外下载yolov5的源码)
（2）yolov5

实现步骤

1 YOLO环境搭建+自定义模型训练

1、参考【YOLOv5-5.0】环境搭建 先将yolov5的环境搭建好
2、参考【YOLO】YOLOv5训练自己的数据集 实现自定义的数据集训练

2 Yolov5_DeepSort_Pytorch 环境搭建

笔者在搭建完YOLO的环境后，基本不用再配置Yolov5_DeepSort_Pytorch，除了个别导入库，利用如下指令进行安装：

cd (自己下载的文件夹)\Yolov5_DeepSort_Pytorch-master
pip install -r requirements.txt

# 测试环境
import torch
from IPython.display import Image, clear_output  # 显示结果
 
clear_output()
print(f"Setup complete. Using torch {torch.__version__} ({torch.cuda.get_device_properties(0).name if torch.cuda.is_available() else 'CPU'})")
# 在运行过程中个别所需的库
pip install 库名 -i https://pypi.douban.com/simple

3 目标追踪实现

需要准备如下文件
（1）yolov5的识别模型（将模型放在.\Yolov5_DeepSort_Pytorch-master\yolov5\weights文件夹下，如图）
（2）重识别/分类模型（将模型放在.\Yolov5_DeepSort_Pytorch-master\deep_sort_pytorch\deep_sort\deep\checkpoint文件夹下，如图）
链接：https://pan.baidu.com/s/1VANSvw3wPvTH53gkNRE0oQ
提取码：6cxt
（3）待追踪的视频（将视频放在.\Yolov5_DeepSort_Pytorch-master文件夹下，如图）

在终端运行如下指令：

cd .\Yolov5_DeepSort_Pytorch-master
python track.py --source subway_test.avi --yolo_weights yolov5/weights/Abutment.pt --save-vid

运行过程终端显示如下：

最终在.\Yolov5_DeepSort_Pytorch-master\inference\output生成结果视频：


其他的参数设置可以参考track.py

综上，实现了基于自定义数据集的目标追踪

来源：摇曳的树