如何提高对象跟踪速度（Yolov4 DeepSort）答案

【问题标题】：How to increase object tracking speed (Yolov4 DeepSort)如何提高对象跟踪速度（Yolov4 DeepSort）
【发布时间】：2022-10-19 13:46:15
【问题描述】：

我最近开始对计算机视觉技术产生兴趣，并通过一些教程来解决我的业务中的一些问题。该地区有4栋建筑物，问题是控制进出的人数。并且还必须考虑到服务人员的移动。

我尝试使用以下存储库来解决这些问题：

https://github.com/theAIGuysCode/yolov4-deepsort

在我看来，这将解决我的问题。但是现在有一个来自闭路电视摄像机的视频记录的处理速度问题。我尝试运行一个 10 秒的视频片段，脚本在 211 秒内完成。在我看来，这很长。

我可以做些什么来提高处理速度？告诉我在哪里寻找答案。

【问题讨论】：

你是在 CPU 还是 GPU 上运行？
@MikelB，我在 CPU 上运行

标签： tensorflow computer-vision object-detection yolo object-tracking

【解决方案1】：

免责声明，我是https://github.com/mikel-brostrom/Yolov5_StrongSORT_OSNet 的创建者和维护者。

我在该存储库中看不到任何对 CPU 友好的框架的导出功能，例如：onnx 或 openvino。在 CPU 上实现快速推断的条件是拥有在 CPU 上快速运行的模型。

使用我的 repo，您可以轻松地在 CPU 上实现 10FPS。使用 openvino 型号的 CPU（Intel® Core™ i7-8850H CPU @ 2.60GHz × 12）上运行的一些随机结果：

0: 640x640 2 persons, 1 chair, 1 refrigerator, Done. YOLO:(0.079s), StrongSORT:(0.025s)
0: 640x640 2 persons, 1 chair, 1 refrigerator, Done. YOLO:(0.080s), StrongSORT:(0.022s)
0: 640x640 2 persons, 1 chair, 1 refrigerator, Done. YOLO:(0.075s), StrongSORT:(0.022s)
0: 640x640 2 persons, 1 chair, 1 refrigerator, Done. YOLO:(0.078s), StrongSORT:(0.022s)
0: 640x640 2 persons, 1 chair, 1 refrigerator, Done. YOLO:(0.080s), StrongSORT:(0.022s)
0: 640x640 2 persons, 1 chair, 1 refrigerator, Done. YOLO:(0.112s), StrongSORT:(0.022s)
0: 640x640 2 persons, 1 chair, 1 refrigerator, Done. YOLO:(0.083s), StrongSORT:(0.022s)
0: 640x640 2 persons, 1 chair, 1 refrigerator, Done. YOLO:(0.078s), StrongSORT:(0.022s)
0: 640x640 2 persons, 1 chair, 1 refrigerator, Done. YOLO:(0.078s), StrongSORT:(0.024s)
0: 640x640 2 persons, 1 chair, 1 refrigerator, Done. YOLO:(0.085s), StrongSORT:(0.023s)

【讨论】：

【解决方案2】：

您是否有机会检查代码部分所花费的时间以找出瓶颈所在？有一些方法可以改进从相机抓取和捕获帧，改进压缩帧解码的方法（例如从 h.264 到原始格式）（以及防止将像素数据从 GPU-video-codec 复制到 inference-enginve通过 GPU 零复制机制）。

然后是推理本身——有许多不同的预训练对象-/人-/行人检测模型。可以优化模型（例如通过 OpenVINO 的工具）以在特定的底层加速器（如 CPU、GPU、VPU、FPGA）上运行良好，例如使用 INT8 优化的 CPU 指令集。

模型可以被压缩，检查稀疏性。

然后是后处理——比如过滤许多检测到的对象（过滤置信度，通过 NMS 过滤重叠），然后进行跟踪。

【讨论】：