Tracking with darkflow

Tracking with darkflow

其他源碼

1.0.0

下載

簡介

這個小項目的目的是將對象跟踪添加到yolov2並實現實時多個對象跟踪。

當前的體系結構僅設置為僅跟踪一種類型的對象，但是應該易於概括所有對象。

目前支持人們跟踪（因為Deep_sort提供的權重接受了人們跟踪的培訓）

依賴性

 python
numpy
opencv 3
tensorflow 1.0
Cython.
sklean.

用於使用排序：

scikit-learn

scikit-image

FilterPy

設定

1-克隆此存儲庫： git clone https://github.com/bendidi/Tracking-with-darkflow.git

2-初始化所有子模型： git submodule update --init --recursive

3-轉到DarkFlow目錄並進行到位構建： python3 setup.py build_ext --inplace

入門

下載權重：

在此處閱讀有關Yolo（在DarkNet中）的更多信息，並在此處下載權重文件，如果找不到重量文件，Trieu已將其上載在此處，其中包括V1.0的yolo-full和yolo-tiny ，V1.1的tiny-yolo-v1.1和yolo的Tiny-Yolo-V1.1和Yolo，Yolo， tiny-yolo-voc v2 v2。

我在此項目中使用/測試的Artchituction是cfg/yolo.cfg ，重物bin/yolo.weights 。

~~接下來，您需要在此處下載deep_sort權重（網絡文件夾），由nwojke提供~~

NWOJKE提供的Deep_sort權重已取消。您可以從這裡獲得它們（感謝 @louxy126）

提取文件夾並將其複製到deep_sort/resources

在run.py中編輯標誌以下配置：

demo ：要使用的視頻文件的路徑，如果您想使用相機，請將“相機”設置為“相機”
model ：用於Yolo的模型配置，您可以在此處獲取更多信息和.cfg文件（將它們放入DarkFlof/ cfg/文件夾中）
load ：與所選型號一起使用的相應權重（將它們放入DarkFlow/bin/）更多信息。
threshold ：Yolo檢測的信心閾值
gpu ：要使用多少GPU，0表示使用CPU
track ：激活跟踪是否
trackObj ：哪些對象可以跟踪為列表（請注意，Deep_sort的編碼器僅受到人的培訓，因此您需要訓練自己的編碼器，其中更多信息）
saveVideo ：是否保存視頻
BK_MOG ：添加OpenCV的MOG背景減法模塊，僅當Yolo無法檢測到視頻中的人（低質量，...）時使用它來檢測圍繞移動對象的框

tracker ：要使用的跟踪器：“ deep_sort”或“ sort”

      **NOTE** : "deep_sort" only supports people tracking as it was only trained to track people(the code for training is not yet published)

      **TODO** : add support for GOTURN tracker(tensorflow implementation)

      **TODO** : add support for opencv trackers (MIL,KCF,TLD,MEDIANFLOW)

skip ：跳過框架以增加FPS，可能會降低準確性！
csv ：以格式保存檢測的CSV文件（frame_id，object_id，x，y，w，h）
display ：處理是否在處理時顯示視頻

接下來，您只需要運行python run.py ，然後享受！

一些數字：

`使用yolo.cfg的速度：

 YOLO with track Flag set to False : 30fps

YOLO with track Flag set to True (deep_sort) : 14 fps

YOLO with track and background subtraction Flags set to True : 10.5 fps

在（1024，1280，3）NVIDIA GTX 1080上的分辨率視頻上進行的測試

跳過多達3幀可以提高速度，同時保持跟踪的準確性

Disclamer：

該項目使用的代碼來自以下方式：

Trieu/DarkFlow：用於實時對象檢測和分類。

nwojke/deep_sort：使用深層關聯度量的簡單在線實時跟踪。

請關注鏈接以了解每個項目的所有功能。

引用

Yolov2：

 @article{redmon2016yolo9000,
  title={YOLO9000: Better, Faster, Stronger},
  author={Redmon, Joseph and Farhadi, Ali},
  journal={arXiv preprint arXiv:1612.08242},
  year={2016}
}

deep_sort：

 @article{Wojke2017simple,
  title={Simple Online and Realtime Tracking with a Deep Association Metric},
  author={Wojke, Nicolai and Bewley, Alex and Paulus, Dietrich},
  journal={arXiv preprint arXiv:1703.07402},
  year={2017}
}

種類：

 @inproceedings{Bewley2016_sort,
  author={Bewley, Alex and Ge, Zongyuan and Ott, Lionel and Ramos, Fabio and Upcroft, Ben},
  booktitle={2016 IEEE International Conference on Image Processing (ICIP)},
  title={Simple online and realtime tracking},
  year={2016},
  pages={3464-3468},
  keywords={Benchmark testing;Complexity theory;Detectors;Kalman filters;Target tracking;Visualization;Computer Vision;Data Association;Detection;Multiple Object Tracking},
  doi={10.1109/ICIP.2016.7533003}
}

展開

附加信息