PyCharm环境运行ByteTrack第一个demo
文件下载
下载源码：
https://gitcode.com/gh_mirrors/by/ByteTrack/overview
或者
https://github.com/ifzhang/ByteTrack
下载模型文件，最好全下载下来。
将下载的文件扔到pretrained目录
环境搭建
# 创建虚拟环境
conda create -n ByteTrack python==3.8
由于torch文件太大了，在线安装太慢了，博主安装的是离线包，还有torchvision包博主也是离线安装的，如下：
pip install torch-2.1.2+cu121-cp38-cp38-win_amd64.whl
pip install torchvision-0.16.2+cu121-cp38-cp38-win_amd64.whl
官方默认的requirements.txt内容不全，需要做点修改，修改如下：
# torch>=1.7
# torchvision==0.16.2
numpy==1.23.5
opencv_python
loguru
scikit-image
tqdm
Pillow
thop
ninja
tabulate
tensorboard
setuptools==59.8.0
lap
motmetrics
filterpy
h5py
cython-bbox
pycocotools
protobuf==3.20.0
# verified versions
onnx==1.8.1
onnxruntime==1.8.0
onnx-simplifier==0.3.5
然后执行
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
修改ByteTrack-main\setup.py文件将
with open("README.md", "r") as f:
long_description = f.read()修改成
with open("README.md", "r", encoding="utf-8") as f:
long_description = f.read()不然window下运行会报编码错误
然后运行
python setup.py develop
运行第一个demo
命令如下：
python tools/demo_track.py video -f exps/example/mot/yolox_x_mix_det.py -c pretrained/bytetrack_x_mot17.pth.tar --fp16 --fuse --save_result
运行成功之后，会在“ByteTrack-main\YOLOX_outputs\yolox_x_mix_det\track_vis\2024_11_08_17_04_04”目录下生成输出视频
