From 50f3977ea10e5e8b16e767e7d2127c401763281c Mon Sep 17 00:00:00 2001 From: =?UTF-8?q?=E7=AA=A6=E7=8E=89=E7=8E=B2?= <675135048@qq.com> Date: Thu, 27 Oct 2022 07:53:36 +0000 Subject: [PATCH] update deepsort/README.md. MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit Signed-off-by: 窦玉玲 <675135048@qq.com> --- deepsort/README.md | 18 +++++++----------- 1 file changed, 7 insertions(+), 11 deletions(-) diff --git a/deepsort/README.md b/deepsort/README.md index f4f86ac..e8c0a73 100644 --- a/deepsort/README.md +++ b/deepsort/README.md @@ -2,7 +2,7 @@ ## 1 介绍 - DeepSOR目标跟踪后处理插件基于MindXSDK开发，在晟腾芯片上进行目标检测和跟踪，可以对行人进行画框和编号，将检测结果可视化并保存。项目主要流程为：通过live555服务器进行拉流输入视频，然后进行视频解码将264格式的视频解码为YUV格式的图片，图片缩放后经过模型推理进行行人识别，识别结果经过FairMOT后处理后得到识别框，对识别框进行跟踪并编号，用编号覆盖原有的类别信息，再将识别框和类别信息分别转绘到图片上，最后将图片编码成视频进行输出。 + DeepSORT目标跟踪后处理插件基于MindXSDK开发，在晟腾芯片上进行目标检测和跟踪，可以对行人进行画框和编号，将检测结果可视化并保存。项目主要流程为：通过live555服务器进行拉流输入视频，然后进行视频解码将264格式的视频解码为YUV格式的图片，图片缩放后经过模型推理进行行人识别，识别结果经过FairMOT后处理后得到识别框，对识别框进行跟踪并编号，用编号覆盖原有的类别信息，再将识别框和类别信息分别转绘到图片上，最后将图片编码成视频进行输出。 ### 1.1 支持的产品 @@ -78,17 +78,11 @@ MindX SDK安装前准备可参考《用户指南》，[安装教程](https://git 在编译运行项目前，需要设置环境变量： ``` -export MX_SDK_HOME=${MX_SDK_HOME} -export install_path=/usr/local/Ascend/ascend-toolkit/latest -export PATH=/usr/local/python3.9.2/bin:${install_path}/atc/ccec_compiler/bin:${install_path}/atc/bin:$PATH -export ASCEND_OPP_PATH=${install_path}/opp -export ASCEND_AICPU_PATH=${install_path} -export LD_LIBRARY_PATH=${install_path}/atc/lib64:${MX_SDK_HOME}/lib:${MX_SDK_HOME}/opensource/lib:$LD_LIBRARY_PATH -export GST_PLUGIN_SCANNER=${MX_SDK_HOME}/opensource/libexec/gstreamer-1.0/gst-plugin-scanner -export GST_PLUGIN_PATH=${MX_SDK_HOME}/opensource/lib/gstreamer-1.0:${MX_SDK_HOME}/lib/plugins +${ascend_toolkit_path}/set_env.sh +${sdk_path}/set_env.sh ``` -注：其中SDK安装路径${MX_SDK_HOME}替换为用户的SDK安装路径;install_path替换为开发套件包所在路径。LD_LIBRARY_PATH用以加载开发套件包中lib库。 +注：其中ascend_toolkit_path是CANN的安装路径，sdk_path是mxVision SDK的安装路径。 @@ -231,7 +225,7 @@ bash run.sh **测试帧率：** 按照第6小结编译与运行中的步骤进行编译运行，服务器会输出运行到该帧的平均帧率。 - +性能要求：单帧推理时间小于100ms。 注：输入视频帧率为20，才能发挥全部性能。 @@ -247,6 +241,8 @@ git clone https://github.com/cheind/py-motmetrics.git 将MOT16数据集的gt文件放入/py-motmetrics/motmetrics/data/train/gt/1/gt/。将自己运行得到的txt文件放入/py-motmetrics/motmetrics/data/train/，并将命名改为1.txt. 注意：自己运行得到的txt文件是按照第一列（frame id）的数值进行排序的，需要先将其按照第二列（track id）的数值进行排序后放入。 +精度要求：MOTA准确率大于40。 + **步骤2** 安装 pycocotools 评测工具包。执行命令： ``` pip install motmetrics