# yolo5_deepsort追踪测试学习

**Repository Path**: lucky-six/yolo5_deepsort

## Basic Information

- **Project Name**: yolo5_deepsort追踪测试学习
- **Description**: yolo5_deepsort
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-04-23
- **Last Updated**: 2025-04-25

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# YOLOv5 + DeepSORT 目标跟踪系统 - 零基础小白指南

## 简介

这个系统将两个强大的技术结合在一起：
- **YOLOv5**：一个快速、准确的目标检测系统，能识别图像中的物体（如人、车、猫狗等）
- **DeepSORT**：一个目标跟踪系统，能跟踪视频中移动的物体并为每个物体分配唯一ID

## 整个系统做了什么？

1. **检测**：使用YOLOv5识别每一帧画面中的物体
2. **跟踪**：使用DeepSORT跟踪这些物体在视频中的移动
3. **可视化**：显示带有ID和移动轨迹的视频画面

## 文件结构和作用

```
.
├── yolov5-master/          # YOLOv5目录（负责物体检测）
├── deep_sort-master/       # DeepSORT目录（负责物体跟踪）
│   └── deep_sort/          # DeepSORT核心代码
│       ├── deep/           # 特征提取器（识别同一个物体的关键）
│       │   └── checkpoint/ # 存放模型文件
│       └── utils/          # 工具函数
        ├──configs/                # 配置文件目录
│            └──deep_sort.yaml      # DeepSORT的配置参数
├── run_yolo_deepsort.py    # 整合了所有功能的主程序
└── inference/
    └── output/             # 保存处理后视频的目录
```

## 各个组件的作用

### 1. YOLOv5
- 负责检测图像/视频中的物体
- 告诉系统"这一帧中有哪些物体，它们在哪里"

### 2. DeepSORT目录结构
- **deep_sort/deep/**: 包含特征提取器，用于识别同一个物体（即使位置变化）
- **deep_sort/deep/checkpoint/**: 存放模型文件（默认使用简化版随机特征）
- **configs/deep_sort.yaml**: 配置文件，设置跟踪参数，如：
  - 目标消失多久后停止跟踪
  - 连续检测多少帧后确认为有效目标
  - 识别相似物体的阈值等

### 3. 核心程序
- **setup_deepsort.py**: 自动创建DeepSORT所需的目录结构和配置文件
- **run_yolo_deepsort.py**: 集成所有功能的主程序

## 系统启动时的完整流程

当你运行`python run_yolo_deepsort.py`时：

1. **初始化阶段**：
   - 加载YOLOv5模型（用于检测物体）
   - 设置DeepSORT目录结构（如果不存在）
   - 创建配置文件（如果不存在）
   - 初始化DeepSORT跟踪器

2. **视频处理阶段**：
   - 对每一帧图像:
     - 使用YOLOv5检测物体
     - 提取每个物体的特征
     - DeepSORT将这些特征与之前的进行匹配，分配跟踪ID
     - 绘制物体边界框、ID和移动轨迹
     - 显示/保存处理后的画面

## 如何使用

### 准备工作

确保安装了所有依赖：

```bash
pip install torch torchvision opencv-python pyyaml
pip install -r yolov5-master/requirements.txt  # 如果有这个文件
```

### 基本用法

```bash
# 使用摄像头并显示画面
python run_yolo_deepsort.py --source 0 --view-img

# 使用视频文件并保存结果
python run_yolo_deepsort.py --source 你的视频路径.mp4 --save-vid
```

### 重要参数解释（给小白的简化版）

- `--source`: 从哪里获取画面（0=摄像头，或视频文件路径）
- `--view-img`: 是否显示处理后的画面
- `--save-vid`: 是否保存处理后的视频
- `--conf-thres`: 检测置信度（0-1）：值越高，只显示更确定的物体
- `--classes`: 只检测指定类别的物体（例如：`--classes 0 2`只检测人和汽车）

## 常见问题解答

1. **Q: 程序运行很慢怎么办？**  
   A: 这个系统比较消耗资源。如果有GPU，确保不要使用`--device cpu`。降低视频分辨率也能提高速度。

2. **Q: 想要更准确的跟踪效果？**  
   A: 可以调整DeepSORT参数，比如提高`--min-confidence`，降低`--max-iou-distance`。

3. **Q: 检测结果不准确？**  
   A: 可以尝试使用更大/更准确的YOLOv5模型，如`--weights yolov5-master/yolov5m.pt`。

4. **Q: 丢失跟踪太快？**  
   A: 增加`--max-age`参数，让系统在物体暂时消失后继续保持跟踪更长时间。

## 关于配置文件

`configs/deep_sort.yaml`包含了DeepSORT的重要参数：

```yaml
DEEPSORT:
  REID_CKPT: "deep_sort-master/deep_sort/deep/checkpoint/ckpt.t7"  # 模型文件位置
  MAX_DIST: 0.2        # 特征匹配的最大距离（越小越严格）
  MIN_CONFIDENCE: 0.3  # 最小检测置信度
  MAX_IOU_DISTANCE: 0.7 # 最大IOU距离（物体重叠程度）
  MAX_AGE: 70          # 物体消失后最多跟踪多少帧
  N_INIT: 3            # 需要连续检测多少帧才确认为有效目标
  NN_BUDGET: 100       # 保留的特征数量
```