我正在使用YOLOv5 使用网络摄像头检测视频的每一帧中的多个对象。 我想跟踪对象而不是每帧检测它们，为了做到这一点，我尝试了YOLOv5-DeepSort。但是有一个大问题：Yolov5 可以使用 TensorRT 编译，这对于嵌入式板（50FPS）来说非常快，但 DeepSort 似乎不能以相同的方式编译。
所以我现在正在寻找一种不太昂贵的替代方案，它可以通过跟踪对象来提高我的检测能力。任何想法？我已经尝试过 OpenCV 和 motpy 的 KCF 跟踪器，但两者都非常糟糕。
我有点绝望...
标签： computer-vision tracking yolo
我是https://github.com/mikel-brostrom/Yolov5_DeepSort_OSNet 的主要贡献者。遗憾的是，目前没有 TensorRT 导出选项。您可以尝试使用https://github.com/abewley/sort。这是 DeepSORT，但没有深度外观描述符，因此跟踪将仅基于运动，这取决于您的用例可能就足够了。
另一种选择是将模型导出到相对容易的 ONNX，然后按照以下教程使用 TensorRT 加载它们：https://learnopencv.com/how-to-convert-a-model-from-pytorch-to-tensorrt-and-speed-up-inference/
编辑 - - - - - - - - - -
我在我的存储库中添加了一个特定于 ReID 模型的导出脚本。它从 mobilenet 和 resnet50 pt 模型中生成：ONNX、OpenVINO 和 TFLite 模型。我还添加了一个支持上述 3 种模型的多后端模型加载器和推理器。计划在不久的将来添加 TensorRT。
【讨论】：