YoloV5+DeepSort+TensorRT 目标检测、跟踪

文章发布已转个人主页：wangcong.net

更新(Update !):

C++测试版本项目地址：https://github.com/cong/yolov5_deepsort_tensorrt_cpp

介绍

项目通过 YOLOv5 和 DeepSORT 来实现了目标检测、跟踪算法，其中基于TensorRTX 实现了模型从 PyTorch 到 TensorRT 转换，进一步将代码部署 NVIDIA Jetson Xavier NX 中。

项目在 NVIDIA Jetson Xavier NX 和 X86 平台 都可以正常运行。

项目地址：https://github.com/cong/yolov5_deepsort_tensorrt

环境依赖

1. the X86 architecture:
   • Ubuntu20.04 or 18.04 with CUDA 10.0 and cuDNN 7.6.5
   • TensorRT 7.0.0.1
   • PyTorch 1.7.1_cu11.0, TorchVision 0.8.2+cu110, TorchAudio 0.7.2
   • OpenCV-Python 4.2
   • pycuda 2021.1
2. the NVIDIA embedded system：
   • Ubuntu18.04 with CUDA 10.2 and cuDNN 8.0.0
   • TensorRT 7.1.3.0
   • PyTorch 1.8.0 and TorchVision 0.9.0
   • OpenCV-Python 4.1.1
   • pycuda 2020.1

测试速度

the X86 architecture with RTX 2080Ti :

NVIDIA Jetson Xavier NX:

DeepSort 的速度取决于画面中目标的数目，上述数据是在单目标的情况下进行统计的。

推理过程

1. 下载项目

   git clone https://github.com/cong/yolov5_deepsort_tensorrt.git
   

2. 执行

   python demo.py
   

模型转换

转换 PyTorch yolov5 模型 到 TensorRT engine.
温馨提示：本项目使用了的 YOLOv5 version 4.0，TensorRTX 需要严格使用 TensorRTX version yolov5-v4.0。

1. 将 ***.pt文件转换成***.wts文件。

   git clone -b v5.0 https://github.com/ultralytics/yolov5.git
   git clone https://github.com/wang-xinyu/tensorrtx.git
   # download https://github.com/ultralytics/yolov5/releases/download/v5.0/yolov5s.pt
   cp {tensorrtx}/yolov5/gen_wts.py {ultralytics}/yolov5
   cd {ultralytics}/yolov5
   python gen_wts.py yolov5s.pt
   # a file 'yolov5s.wts' will be generated.
   

2. 编译并生成***.engine文件。

   cd {tensorrtx}/yolov5/
   # update CLASS_NUM in yololayer.h if your model is trained on custom dataset
   mkdir build
   cd build
   cp {ultralytics}/yolov5/yolov5s.wts {tensorrtx}/yolov5/build
   cmake ..
   make
   # serialize model to plan file
   sudo ./yolov5 -s [.wts] [.engine] [s/m/l/x/s6/m6/l6/x6 or c/c6 gd gw]
   # deserialize and run inference, the images in [image folder] will be processed.
   sudo ./yolov5 -d [.engine] [image folder]
   # For example yolov5s
   sudo ./yolov5 -s yolov5s.wts yolov5s.engine s
   sudo ./yolov5 -d yolov5s.engine ../samples
   # For example Custom model with depth_multiple=0.17, width_multiple=0.25 in yolov5.yaml
   sudo ./yolov5 -s yolov5_custom.wts yolov5.engine c 0.17 0.25
   sudo ./yolov5 -d yolov5.engine ../samples
   

3.当生成 _zidane.jpg 和_bus.jpg两张图片后，表示可以运行成功。

自定义

1. 训练好自己的模型.
2. 模型转换到engine格式(TensorRTX’s version must same as YOLOV5’s
   version).
   替换掉项目中 ***.engine 和libmyplugins.so .

下一步计划

对DeepSort模块进行加速。

其他

• 厚着脸 求 Github Star!
• For more information you can visit the Blog.

版权声明：本文为CSDN博主「旋律信」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/xuanlvxin/article/details/117734369