【Deepsort】C++版本Deepsort编译(依赖opencv,eigen3)

目录

    • 下载源码
    • 安装onnxruntime
    • 安装Eigen3
    • 编译opencv

下载源码

https://github.com/shaoshengsong/DeepSORT

安装onnxruntime

安装方法参考博客

安装Eigen3

当谈及线性代数计算库时，Eigen3是一个强大而受欢迎的选择。Eigen3是一个C++模板库，提供了许多用于线性代数运算的功能，如向量、矩阵、矩阵运算、线性方程组求解等。以下是Eigen3的一些主要特点和功能：

高性能：Eigen3使用了优化的算法和技术，具有出色的运行速度和高效的内存使用。它通过使用表达式模板技术来在编译时生成高效的计算代码，避免了一些运行时的开销。

简洁易用：Eigen3提供了直观且易于使用的API，使得进行线性代数计算变得简单和直观。它的API设计简洁明了，提供了丰富的运算符重载和友好的语法，使得代码编写更加简单和可读。

广泛的功能：Eigen3支持多种线性代数运算，包括向量和矩阵的基本运算、线性方程组的求解、特征值和特征向量的计算、矩阵分解（如LU分解、QR分解等）、广义特征值问题的求解等。它还提供了一些高级功能，如支持稀疏矩阵和动态大小矩阵等。

跨平台支持：Eigen3是一个跨平台的库，可以在各种操作系统和编译器上使用。它使用标准的C++语法和特性，并且不依赖于任何特定的硬件或操作系统。

开源免费：Eigen3是一个开源库，遵循MPL2.0协议，可以免费使用和修改。它的源代码可在GitHub上获得，方便用户进行定制和扩展。
Eigen3已被广泛应用于科学计算、机器学习、计算机图形学等领域。无论是在学术研究还是实际应用中，Eigen3都是一个强大而可靠的线性代数库。

sudo apt-get install libeigen3-dev

编译opencv

编译命令：下载opencv4的源码包后解压，并下载contrib扩展包，开启dnn
读取视频需要安装ffmpeg:

sudo apt-get install build-essential
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

对于libjasper-dev安装失败：

apt-get install software-properties-common
add-apt-repository "deb http://security.ubuntu.com/ubuntu xenial-security main"
apt update
apt-get install libjasper-dev

sudo apt-get install ffmpeg

获取ffmpeg的相关安装目录：

pkg-config --cflags libavformat

编译：

cmake    -DCMAKE_BUILD_TYPE=Release -DOPENCV_EXTRA_MODULES_PATH=/home/opencv_contrib-4.7.0/opencv_contrib-4.7.0/modules -DWITH_OPENCL=OFF -DBUILD_DOCS=OFF -DBUILD_EXAMPLES=OFF -DBUILD_WITH_DEBUG_INFO=OFF -DBUILD_TESTS=OFF -DWITH_1394=OFF -DWITH_CUDA=OFF -DWITH_CUBLAS=OFF -DWITH_CUFFT=OFF -DWITH_OPENCLAMDBLAS=OFF -DWITH_OPENCLAMDFFT=OFF -DINSTALL_C_EXAMPLES=OFF -DINSTALL_PYTHON_EXAMPLES=OFF -DINSTALL_TO_MANGLED_PATHS=OFF -DBUILD_ANDROID_EXAMPLES=OFF -DBUILD_opencv_python=OFF -DBUILD_opencv_python_bindings_generator=OFF -DBUILD_opencv_apps=OFF -DBUILD_opencv_calib3d=OFF -DBUILD_opencv_features2d=OFF -DBUILD_opencv_flann=OFF -DBUILD_opencv_java_bindings_generator=OFF -DBUILD_opencv_js=OFF -DBUILD_opencv_ml=OFF -DBUILD_opencv_objdetect=OFF -DBUILD_opencv_photo=OFF -DBUILD_opencv_python3=OFF -DBUILD_opencv_python_tests=OFF -DBUILD_opencv_shape=OFF -DBUILD_opencv_stitching=OFF -DBUILD_opencv_superres=OFF -DBUILD_opencv_ts=OFF -DBUILD_opencv_videostab=OFF -DBUILD_opencv_world=ON -DBUILD_opencv_dnn=ON -D WITH_FFMPEG=ON -D WITH_TIFF=OFF -D BUILD_TIFF=OFF -DWITH_FFMPEG=ON  -DFFMPEG_LIBRARIES=/usr/local/lib/ -D FFMPEG_INCLUDE_DIRS=/usr/local/include/ ..make install

更改deepsort对应的cpp文件：

#include <fstream>
#include <sstream>
#include <opencv2/imgproc.hpp>
#include <opencv2/opencv.hpp>
#include <opencv2/dnn.hpp>
#include "YOLOv5Detector.h"#include "FeatureTensor.h"
#include "BYTETracker.h" //bytetrack
#include "tracker.h"//deepsort
//Deep SORT parameterconst int nn_budget=100;
const float max_cosine_distance=0.2;void get_detections(DETECTBOX box,float confidence,DETECTIONS& d)
{DETECTION_ROW tmpRow;tmpRow.tlwh = box;//DETECTBOX(x, y, w, h);tmpRow.confidence = confidence;d.push_back(tmpRow);
}void test_deepsort(cv::Mat& frame, std::vector<detect_result>& results,tracker& mytracker)
{std::vector<detect_result> objects;DETECTIONS detections;for (detect_result dr : results){//cv::putText(frame, classes[dr.classId], cv::Point(dr.box.tl().x+10, dr.box.tl().y - 10), cv::FONT_HERSHEY_SIMPLEX, .8, cv::Scalar(0, 255, 0));if(dr.classId == 0) //person{objects.push_back(dr);cv::rectangle(frame, dr.box, cv::Scalar(255, 0, 0), 2);get_detections(DETECTBOX(dr.box.x, dr.box.y,dr.box.width,  dr.box.height),dr.confidence,  detections);}}std::cout<<"begin track"<<std::endl;if(FeatureTensor::getInstance()->getRectsFeature(frame, detections)){std::cout << "get feature succeed!"<<std::endl;mytracker.predict();mytracker.update(detections);std::vector<RESULT_DATA> result;for(Track& track : mytracker.tracks) {if(!track.is_confirmed() || track.time_since_update > 1) continue;result.push_back(std::make_pair(track.track_id, track.to_tlwh()));}for(unsigned int k = 0; k < detections.size(); k++){DETECTBOX tmpbox = detections[k].tlwh;cv::Rect rect(tmpbox(0), tmpbox(1), tmpbox(2), tmpbox(3));cv::rectangle(frame, rect, cv::Scalar(0,0,255), 4);// cvScalar的储存顺序是B-G-R，CV_RGB的储存顺序是R-G-Bfor(unsigned int k = 0; k < result.size(); k++){DETECTBOX tmp = result[k].second;cv::Rect rect = cv::Rect(tmp(0), tmp(1), tmp(2), tmp(3));rectangle(frame, rect, cv::Scalar(255, 255, 0), 2);std::string label = cv::format("%d", result[k].first);cv::putText(frame, label, cv::Point(rect.x, rect.y), cv::FONT_HERSHEY_SIMPLEX, 0.8, cv::Scalar(255, 255, 0), 2);}}}std::cout<<"end track"<<std::endl;
}void test_bytetrack(cv::Mat& frame, std::vector<detect_result>& results,BYTETracker& tracker)
{std::vector<detect_result> objects;for (detect_result dr : results){if(dr.classId == 0) //person{objects.push_back(dr);}}std::vector<STrack> output_stracks = tracker.update(objects);for (unsigned long i = 0; i < output_stracks.size(); i++){std::vector<float> tlwh = output_stracks[i].tlwh;bool vertical = tlwh[2] / tlwh[3] > 1.6;if (tlwh[2] * tlwh[3] > 20 && !vertical){cv::Scalar s = tracker.get_color(output_stracks[i].track_id);cv::putText(frame, cv::format("%d", output_stracks[i].track_id), cv::Point(tlwh[0], tlwh[1] - 5),0, 0.6, cv::Scalar(0, 0, 255), 2, cv::LINE_AA);cv::rectangle(frame, cv::Rect(tlwh[0], tlwh[1], tlwh[2], tlwh[3]), s, 2);}}}
int main(int argc, char *argv[])
{//deepsorttracker mytracker(max_cosine_distance, nn_budget);//bytetrackint fps=20;BYTETracker bytetracker(fps, 30);//-----------------------------------------------------------------------// 加载类别名称std::vector<std::string> classes;std::string file="./coco_80_labels_list.txt";std::ifstream ifs(file);if (!ifs.is_open())CV_Error(cv::Error::StsError, "File " + file + " not found");std::string line;while (std::getline(ifs, line)){classes.push_back(line);}//-----------------------------------------------------------------------std::cout<<"classes:"<<classes.size();std::shared_ptr<YOLOv5Detector> detector(new YOLOv5Detector());detector->init("/home/DeepSORT-master/DeepSORT-master/build/yolov5x.onnx");std::cout<<"begin read video"<<std::endl;const std::string source = "/home/DeepSORT-master/DeepSORT-master/build/test.mp4";cv::VideoCapture capture(source);if (!capture.isOpened()) {printf("could not read this video file...\n");return -1;}std::cout<<"end read video"<<std::endl;std::vector<detect_result> results;int num_frames = 0;cv::VideoWriter video("out.avi",cv::VideoWriter::fourcc('M','J','P','G'),10, cv::Size(1920,1080));while (true){cv::Mat frame;if (!capture.read(frame)) // if not success, break loop{std::cout<<"\n Cannot read the video file. please check your video.\n";break;}num_frames ++;//Second/Millisecond/Microsecond  秒s/毫秒ms/微秒usauto start = std::chrono::system_clock::now();detector->detect(frame, results);auto end = std::chrono::system_clock::now();auto detect_time =std::chrono::duration_cast<std::chrono::milliseconds>(end - start).count();//msstd::cout<<classes.size()<<":"<<results.size()<<":"<<num_frames<<std::endl;//test_deepsort(frame, results,mytracker);test_bytetrack(frame, results,bytetracker);//cv::imshow("YOLOv5-6.x", frame);video.write(frame);if(cv::waitKey(30) == 27) // Wait for 'esc' key press to exit{break;}results.clear();}capture.release();video.release();cv::destroyAllWindows();}

编译并运行：

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/17433.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

LLM微调 | Adapter: Parameter-Efficient Transfer Learning for NLP

LLM微调 | Adapter: Parameter-Efficient Transfer Learning for NLP

目的：大模型预训练+微调范式，微调成本高。adapter只只微调新增的小部分参数【但adapter增加了模型层数，引入了额外的推理延迟。】 Adapters最初来源于CV领域的《Learning multiple visual domains with residual adapters》一文，其核心思想是在神经网络模块基础上添加一些残…
阅读更多...
《算法竞赛·快冲300题》每日一题：“平方和”

《算法竞赛·快冲300题》每日一题：“平方和”

《算法竞赛快冲300题》将于2024年出版&#xff0c;是《算法竞赛》的辅助练习册。 所有题目放在自建的OJ New Online Judge。 用C/C、Java、Python三种语言给出代码&#xff0c;以中低档题为主&#xff0c;适合入门、进阶。 文章目录 题目描述题解C代码Java代码Python代码 “ 平…
阅读更多...
【Python机器学习】实验04(1) 多分类(基于逻辑回归)实践

【Python机器学习】实验04(1) 多分类(基于逻辑回归)实践

文章目录 多分类以及机器学习实践如何对多个类别进行分类1.1 数据的预处理1.2 训练数据的准备1.3 定义假设函数&#xff0c;代价函数&#xff0c;梯度下降算法&#xff08;从实验3复制过来&#xff09;1.4 调用梯度下降算法来学习三个分类模型的参数1.5 利用模型进行预测1.6 评…
阅读更多...
CS162 13-17 虚拟内存

CS162 13-17 虚拟内存

起源 为啥我们需要虚拟内存-----------需求是啥&#xff1f; 可以给程序提供一个统一的视图&#xff0c;比如多个程序运行同一个代码段的话&#xff0c;同一个kernel&#xff0c;就可以直接共享 cpu眼里的虚拟内存 无限内存的假象 设计迭代过程 为啥这样设计&#xff1f; 一…
阅读更多...
安装vite-plugin-svg-icons

安装vite-plugin-svg-icons

找不到合适的图标&#xff0c;如何使用其他的svg图标&#xff1f; 安装vite-plugin-svg-icons 使用svg-icon&#xff0c;即可使用iconfont等svg图标库 安装及使用过程 一、安装依赖二、在src/assets新建svg目录三、vite.config.js中进行配置四、在main.js中导入文件五、在compo…
阅读更多...
clickhouse-安装部署

clickhouse-安装部署

官网文档 1.采用Debian包方式安装 # 设置Debian仓库 sudo apt-get install -y apt-transport-https ca-certificates dirmngr GNUPGHOME$(mktemp -d) sudo GNUPGHOME"$GNUPGHOME" gpg --no-default-keyring --keyring /usr/share/keyrings/clickhouse-keyring.gpg …
阅读更多...
Redis篇

Redis篇

文章目录 Redis-使用场景1、缓存穿透2、缓存击穿3、缓存雪崩4、双写一致5、Redis持久化6、数据过期策略7、数据淘汰策略 Redis-分布式锁1、redis分布式锁&#xff0c;是如何实现的&#xff1f;2、redisson实现的分布式锁执行流程3、redisson实现的分布式锁-可重入4、redisson实…
阅读更多...
技术复盘(5)--git

技术复盘(5)--git

技术复盘--git 资料地址原理图安装配置基本命令分支命令对接gitee练习:远程仓库操作 资料地址 学习地址-B站黑马&#xff1a;https://www.bilibili.com/video/BV1MU4y1Y7h5 git官方&#xff1a;https://git-scm.com/ gitee官网&#xff1a;https://gitee.com/ 原理图 说明&am…
阅读更多...
Twitter 劲敌 Threads，“魔改”了哪些 Python 技术栈？

Twitter 劲敌 Threads，“魔改”了哪些 Python 技术栈？

Meta 创始人 Mark Zuckerberg 昨天在 Threads 上宣布&#xff0c;周三正式上线的 Threads 注册量已突破三千万。 Threads 是一个基本文本的社交应用&#xff0c;由 Instagram 团队开发。虽然它在功能上还无法真正取代 Twitter&#xff0c;但目前看来事实上已是 Twitter 的替代方…
阅读更多...
耗时3个月，线下访谈30+ csdn大佬，规划出了我的云原生学习路线

耗时3个月，线下访谈30+ csdn大佬，规划出了我的云原生学习路线

前言 大家好&#xff0c;我是沐风晓月&#xff0c;最近线下拜访不少云原生方向的大佬和csdn其他方向的大佬&#xff0c;受益匪浅。 于是在 5月23日&#xff0c;我定下来自己的目标&#xff1a; 我的目标&#xff1a; 可以说&#xff0c;这个世代给予的机遇&#xff0c;让我…
阅读更多...
对外接口签名生成方式

对外接口签名生成方式

接口签名生成方式 前言 当某个系统对外部系统提供接口访问时&#xff0c;为提高接口请求安全性&#xff0c;往往会在接口访问时添加签名&#xff0c;当外部系统访问本系统签名验证成功时才能正常返回数据&#xff0c;一般接口提供方会与外部系统提前约定好&#xff0c;不同外…
阅读更多...
基于飞桨paddle的极简方案构建手写数字识别模型测试代码

基于飞桨paddle的极简方案构建手写数字识别模型测试代码

基于飞桨paddle的极简方案构建手写数字识别模型测试代码 原始测试图片为255X252的图片 因为是极简方案采用的是线性回归模型&#xff0c;所以预测结果数字不一致 本次预测的数字是 [[3]] 测试结果&#xff1a; PS E:\project\python> & D:/Python39/python.exe e:/pro…
阅读更多...
ubuntu设置主机ip

ubuntu设置主机ip

ubuntu 设置ip sudo dhclient -r enp67s0 # 是你的网卡&#xff0c;可以通过ifconfig 查&#xff0c;比如enp0 sudo ifconfig enp67s0 192.168.1.114 netmask 255.255.255.0 Ubuntu显示有线网已连接但无法上网&#xff0c;已经确认网口、交换机&#xff08;路由器&#xff…
阅读更多...
你知道HTTP与HTTPS有什么区别吗？

你知道HTTP与HTTPS有什么区别吗？

作者&#xff1a;Insist-- 个人主页&#xff1a;insist--个人主页 作者会持续更新网络知识和python基础知识&#xff0c;期待你的关注 目录 一、什么是HTTP&#xff1f; 二、什么是HTTPS&#xff1f; 三、HTTPS 的工作原理 1、客户端发起 HTTPS 请求 2、服务端的配置 3、…
阅读更多...
BT#蓝牙 - Link Policy Settings

BT#蓝牙 - Link Policy Settings

对于Classic Bluetooth的Connection&#xff0c;有一个Link_Policy_Settings&#xff0c;是HCI configuration parameters中的一个。 Link_Policy_Settings 参数决定了本地链路管理器(Link Manager)在收到来自远程链路管理器的请求时的行为&#xff0c;还用来决定改变角色(rol…
阅读更多...
UE4/5C++多线程插件制作（十九、异步资源读取封装，细节修改）

UE4/5C++多线程插件制作（十九、异步资源读取封装，细节修改）

目录 MTPResourceLoadManage MTPThreadInterface MTPManage.h MTPManage.cpp RTPAgendy RTPAgendy.h RTPAgendy.cpp
阅读更多...
Android如何用系统签名打包应用

Android如何用系统签名打包应用

前言 应用使用系统签名可以在用户不需要手动授权的情况下自动获取权限。适合一些定制系统中集成apk的方案商。 步骤 需要在AndroidManifest.xml中添加共享系统进程属性&#xff1a; android:sharedUserId"android.uid.system"如下图所示&#xff1a; 找到系统定制…
阅读更多...
windows环境安装elasticsearch+kibana并完成JAVA客户端查询

windows环境安装elasticsearch+kibana并完成JAVA客户端查询

下载elasticsearch和kibana安装包 原文连接&#xff1a;https://juejin.cn/post/7261262567304298554 elasticsearch官网下载比较慢&#xff0c;有时还打不开&#xff0c;可以通过https://elasticsearch.cn/download/下载&#xff0c;先找到对应的版本&#xff0c;最好使用迅…
阅读更多...
LeetCode每日一题——1331.数组序号转换

LeetCode每日一题——1331.数组序号转换

题目传送门 题目描述 给你一个整数数组 arr &#xff0c;请你将数组中的每个元素替换为它们排序后的序号。 序号代表了一个元素有多大。序号编号的规则如下&#xff1a; 序号从 1 开始编号。一个元素越大&#xff0c;那么序号越大。如果两个元素相等&#xff0c;那么它们的…
阅读更多...
集团MySQL的酒店管理系统

集团MySQL的酒店管理系统

酒店管理系统 概述 基于Spring Spring MVC MyBatis的酒店管理系统&#xff0c;主要实现酒店客房的预定、入住以及结账等功能。使用Maven进行包管理。 用户端主要功能包括&#xff1a; 登录注册、客房预订、客房评论&#xff08;编写评论和查看评论&#xff09; 后台管理主要…
阅读更多...
最新文章

Copyright @ 2022~2023