CenterNet-Deep-Sort 项目使用教程

1. 项目目录结构及介绍

centerNet-deep-sort/
├── CenterNet/
│   ├── src/
│   │   └── lib/
│   └── models/
├── deep_sort/
├── images/
├── tools/
├── yolov3-model/
├── LICENSE
├── MOT16-11.mp4
├── README.md
├── centernet_vs_yolo3.gif
├── deep_sort.py
├── demo_centernet_deepsort.py
├── demo_centernet_deepsort_thread.py
├── generate_MOT17_det.py
├── requirments.txt
└── util.py

目录结构说明

• CenterNet/: 包含 CenterNet 模型的源代码和预训练模型。
  • src/lib/: CenterNet 的核心代码库。
  • models/: 存放预训练的模型文件。
• deep_sort/: 包含 Deep SORT 算法的实现代码。
• images/: 存放项目中使用的图像文件。
• tools/: 包含一些辅助工具和脚本。
• yolov3-model/: 存放 YOLOv3 模型的相关文件。
• LICENSE: 项目的开源许可证文件。
• MOT16-11.mp4: 示例视频文件，用于测试和演示。
• README.md: 项目的说明文档。
• centernet_vs_yolo3.gif: 展示 CenterNet 和 YOLOv3 性能对比的 GIF 文件。
• deep_sort.py: Deep SORT 算法的主文件。
• demo_centernet_deepsort.py: 用于演示 CenterNet + Deep SORT 的启动文件。
• demo_centernet_deepsort_thread.py: 使用多线程优化的演示文件。
• generate_MOT17_det.py: 用于生成 MOT17 数据集的检测文件。
• requirments.txt: 项目依赖的 Python 包列表。
• util.py: 包含一些通用的工具函数。

2. 项目启动文件介绍

demo_centernet_deepsort.py

这是项目的启动文件，用于演示 CenterNet 和 Deep SORT 结合的多人跟踪功能。

主要功能

• 视频输入: 支持从本地视频文件、摄像头或 IP 摄像头输入。
• 模型加载: 加载 CenterNet 模型进行目标检测。
• 跟踪算法: 使用 Deep SORT 算法进行目标跟踪。
• 结果展示: 在视频流中实时展示跟踪结果。

使用方法

python demo_centernet_deepsort.py

demo_centernet_deepsort_thread.py

这是 demo_centernet_deepsort.py 的多线程版本，通过使用多线程技术提高视频处理速度。

使用方法

python demo_centernet_deepsort_thread.py

3. 项目配置文件介绍

requirments.txt

该文件列出了项目运行所需的 Python 依赖包。

示例内容

torch==1.7.1
torchvision==0.8.2
numpy==1.19.2
opencv-python==4.4.0.46

CenterNet.yml

该文件是 Conda 环境配置文件，用于创建项目的运行环境。

使用方法

conda env create -f CenterNet.yml

cam_secret.txt

该文件用于存储 IP 摄像头的登录信息，包括用户名和密码。

示例内容

username password

MOT16-11.mp4

示例视频文件，用于测试和演示。

使用方法

在 demo_centernet_deepsort.py 中指定该文件作为输入：

opt.input_type = 'video'
opt.video_path = 'MOT16-11.mp4'

通过以上步骤，您可以顺利地启动并配置 CenterNet-Deep-Sort 项目，进行多人实时跟踪的演示和测试。