@Author：Runsen

deepDeepSort

DeepSort是一種用于跟蹤目標(biāo)的模型，為每個目標(biāo)分配 ID，為每一個不同的類別分配label。

在DeepSort 中，過程如下。

• 使用YOLO 計算邊界框（檢測）
• 使用Sort（卡爾曼濾波器）和ReID（識別模型）鏈接邊界框和軌跡
• 如果無法建立活動鏈接，則會分配一個新 ID 并將其新添加到track。

deepDeepSort所謂的“檢測”是每一幀中的目標(biāo)列表，“軌跡”是當(dāng)前被跟蹤的列表。

deepsorts項目地址：https://github.com/mikelbrostrom/Yolov5_DeepSort_Pytorch

deepsorts測試小車經(jīng)過的時間和速度

本次項目代碼
參考項目：https://github.com/dyh/unbox_yolov5_deepsort_counting。

該項目封裝了deepsorts和yolov5文件，非常易于其他需求的開發(fā)，個人在
該項目上進(jìn)行二次開發(fā)。

項目實現(xiàn)目標(biāo)要求：通過deepsorts測試圖中的小車到拐彎是否存在超速的行為。

個人通過Image_Pixel小軟件對圖片進(jìn)行標(biāo)點和標(biāo)線。一共劃分了六條線和六個區(qū)域塊。

項目的主要結(jié)構(gòu)

由于yolov5模型存在一定的檢測異常，因此需要在設(shè)置線時，最好設(shè)置成小矩形。最后的矩形判斷的速度設(shè)置為4，也大約是15km/h。

下面是部分具體的測試結(jié)果，保存image 和 是否超速的結(jié)果寫到rabbitmq中。

Fusing layers... 進(jìn)入第一塊矩形類別: truck | id: 3 | : 碰撞點的坐標(biāo) (148, 245) | : time: 9.04 進(jìn)入第一塊矩形類別: truck | id: 3 | : 碰撞點的坐標(biāo) (148, 246) | : time: 9.08 進(jìn)入第一塊矩形類別: car | id: 3 | : 碰撞點的坐標(biāo) (148, 247) | : time: 9.12 進(jìn)入第一塊矩形類別: truck | id: 3 | : 碰撞點的坐標(biāo) (149, 246) | : time: 9.16 進(jìn)入第一塊矩形類別: truck | id: 3 | : 碰撞點的坐標(biāo) (149, 246) | : time: 9.2 進(jìn)入第一塊矩形類別: truck | id: 3 | : 碰撞點的坐標(biāo) (150, 247) | : time: 9.24 進(jìn)入第一塊矩形類別: truck | id: 3 | : 碰撞點的坐標(biāo) (151, 247) | : time: 9.28 進(jìn)入第二塊矩形類別: truck | id: 3 | : 碰撞點的坐標(biāo) (161, 258) | : time: 9.96 第一塊花費的時間： 0.6800000000000015 進(jìn)入第二塊矩形類別: truck | id: 3 | : 碰撞點的坐標(biāo) (162, 258) | : time: 10.0 第一塊花費的時間： 0.7200000000000006 進(jìn)入第二塊矩形類別: car | id: 3 | : 碰撞點的坐標(biāo) (163, 259) | : time: 10.04 第一塊花費的時間： 0.7599999999999998 進(jìn)入第二塊矩形類別: truck | id: 3 | : 碰撞點的坐標(biāo) (163, 259) | : time: 10.08 第一塊花費的時間： 0.8000000000000007 進(jìn)入第二塊矩形類別: car | id: 3 | : 碰撞點的坐標(biāo) (163, 260) | : time: 10.12 第一塊花費的時間： 0.8399999999999999 進(jìn)入第三塊矩形類別: truck | id: 3 | : 碰撞點的坐標(biāo) (179, 273) | : time: 10.96 第二塊花費的時間： 0.8400000000000016 進(jìn)入第三塊矩形類別: truck | id: 3 | : 碰撞點的坐標(biāo) (180, 273) | : time: 11.0 第二塊花費的時間： 0.8800000000000008 進(jìn)入第三塊矩形類別: truck | id: 3 | : 碰撞點的坐標(biāo) (180, 273) | : time: 11.04 第二塊花費的時間： 0.9199999999999999 進(jìn)入第三塊矩形類別: truck | id: 3 | : 碰撞點的坐標(biāo) (181, 275) | : time: 11.08 第二塊花費的時間： 0.9600000000000009 進(jìn)入第三塊矩形類別: truck | id: 3 | : 碰撞點的坐標(biāo) (182, 275) | : time: 11.12 第二塊花費的時間： 1.0 進(jìn)入第五塊矩形類別: truck | id: 3 | : 碰撞點的坐標(biāo) (208, 299) | : time: 12.36 第四塊花費的時間： 1.0 進(jìn)入第五塊矩形類別: truck | id: 3 | : 碰撞點的坐標(biāo) (235, 325) | : time: 13.48 第五塊花費的時間： 1.2400000000000002 進(jìn)入第五塊矩形類別: truck | id: 3 | : 碰撞點的坐標(biāo) (235, 326) | : time: 13.52 第五塊花費的時間： 1.2400000000000002 進(jìn)入第五塊矩形類別: truck | id: 3 | : 碰撞點的坐標(biāo) (237, 327) | : time: 13.56 第五塊花費的時間： 1.2400000000000002 進(jìn)入第五塊矩形類別: truck | id: 3 | : 碰撞點的坐標(biāo) (238, 328) | : time: 13.6 第五塊花費的時間： 1.2400000000000002 進(jìn)入第五塊矩形類別: truck | id: 3 | : 碰撞點的坐標(biāo) (238, 329) | : time: 13.64 第五塊花費的時間： 1.2400000000000002 進(jìn)入第五塊矩形類別: truck | id: 3 | : 碰撞點的坐標(biāo) (240, 329) | : time: 13.72 第五塊花費的時間： 1.2400000000000002 進(jìn)入第五塊矩形類別: truck | id: 3 | : 碰撞點的坐標(biāo) (241, 329) | : time: 13.76 第五塊花費的時間： 1.2400000000000002 離開的時間:: truck | id: 3 | : 碰撞點的坐標(biāo) (275, 364) | : time: 16.12 11.904761904761907 10.0 8.064516129032256 7.1428571428571415 4.237288135593218 True 離開的時間:: truck | id: 3 | : 碰撞點的坐標(biāo) (276, 364) | : time: 16.16 11.904761904761907 10.0 8.064516129032256 7.1428571428571415 4.166666666666666 True 離開的時間:: truck | id: 3 | : 碰撞點的坐標(biāo) (277, 364) | : time: 16.2 11.904761904761907 10.0 8.064516129032256 7.1428571428571415 4.0983606557377055 True 離開的時間:: truck | id: 3 | : 碰撞點的坐標(biāo) (277, 365) | : time: 16.24 11.904761904761907 10.0 8.064516129032256 7.1428571428571415 4.032258064516132 True 離開的時間:: truck | id: 3 | : 碰撞點的坐標(biāo) (277, 365) | : time: 16.28 11.904761904761907 10.0 8.064516129032256 7.1428571428571415 3.968253968253966 False 離開的時間:: truck | id: 3 | : 碰撞點的坐標(biāo) (277, 365) | : time: 16.4 11.904761904761907 10.0 8.064516129032256 7.1428571428571415 3.7878787878787894 False 離開的時間:: truck | id: 3 | : 碰撞點的坐標(biāo) (278, 365) | : time: 16.44 速度：11.904761904761907 10.0 8.064516129032256 7.1428571428571415 3.7313432835820874 False

附上GIthub：https://github.com/MaoliRUNsen/deepsort-yolov5-car

總結(jié)

以上是生活随笔為你收集整理的深度学习和目标检测系列教程 21-300：deepsorts测试小车经过的时间和速度的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。