ELECTRICITY-MTMC 的安装和配置教程

2025-05-24 17:52:49作者：姚月梅Lane

1. 项目基础介绍和主要编程语言

ELECTRICITY-MTMC 是一个针对智能城市应用的多摄像头车辆跟踪系统。该系统在 CVPR 2020 AI City Challenge Track 3 中取得了优异的成绩。项目主要利用计算机视觉技术，通过多个摄像头捕捉的图像进行车辆跟踪，旨在为智能交通系统提供高效解决方案。主要编程语言是 Python。

2. 项目使用的关键技术和框架

项目使用了以下关键技术和框架：

PyTorch：深度学习框架，用于模型的训练和推断。
TensorboardX：用于可视化训练过程和结果。
OpenCV：开源计算机视觉库，用于图像处理和计算。
Cython：用于优化 Python 代码执行速度。
ANACONDA：用于环境配置和管理。

3. 项目安装和配置的准备工作

在开始安装之前，请确保您的系统中已安装以下依赖：

Python 3.x
Git
ANACONDA 或 MINICONDA

详细安装步骤

克隆项目仓库

打开命令行窗口，执行以下命令克隆项目仓库：
```
git clone https://github.com/KevinQian97/ELECTRICITY-MTMC.git
```
创建虚拟环境

进入项目目录，并使用 ANACONDA 创建一个虚拟环境：
```
cd ELECTRICITY-MTMC
conda env create -f environment.yml
```
激活虚拟环境

创建完成后，激活虚拟环境：
```
conda activate aic20_track3
```
数据准备

如果您希望重现项目结果或自行训练模型，需要下载 AI City Challenge 的数据集，并确保数据结构符合项目要求。
模型训练（可选）

如果您要自行训练模型，请先执行数据准备工作脚本：
```
bash ./prepare.sh
```
然后开始训练模型：
```
bash ./train.sh
```
训练完成后，模型将存储在 ./models/resnet101-Aic 目录下。
模型测试

若要测试模型或重现结果，请先下载预训练模型并放置在指定目录，然后执行测试脚本：
```
bash ./test.sh
```
最终结果将位于 ./exp/track3.txt 文件中。