软硬件环境
视频看这里
此处是youtube的播放链接，需要科学上网。喜欢我的视频，请记得订阅我的频道，打开旁边的小铃铛，点赞并分享，感谢您的支持。
YOLOv5
前文 YOLOv5目标检测 和 YOLOv5模型训练 已经介绍过了YOLOv5相关的内容，在目标检测中效果不错。
DeepSort
SORT算法的思路是将目标检测算法(如YOLO)得到的检测框与预测的跟踪框的iou(交并比)输入到匈牙利算法中进行线性分配来关联帧间 ID。而DeepSORT算法则是将目标的外观信息加入到帧间匹配的计算中，这样在目标被遮挡但后续再次出现的情况下，还能正确匹配这个ID，从而减少ID的切换，达到持续跟踪的目的。
目标跟踪
项目地址 https://github.com/mikel-brostrom/Yolov5_DeepSort_Pytorch，使用的是Pytorch深度学习框架，联合YOLOv5和DeepSort两个目前很火且效果非常不错的算法工程，实现特定物体的目标跟踪。
git clone https://github.com/mikel-brostrom/Yolov5_DeepSort_Pytorch.git
cd Yolov5_DeepSort_Pytorch
pip install torch==1.6.0+cu101 torchvision==0.7.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html
pip install -r requirements.txt
然后去下载YOLOv5的权重文件，地址是 https://drive.google.com/drive/folders/1Drs_Aiu7xx6S-ix95f9kNsA6ueKRpN2J ，文件放置在yolov5/weights文件夹下
接着去下载DeepSort的权重文件，地址是 https://drive.google.com/drive/folders/1xhG0kRH1EX5B9_Iz8gQJb7UNnn_riXi6，将文件ckpt.t7放置在deep_sort/deep/checkpoint文件夹下
找个测试视频，来看看效果吧
python track.py --source test.mp4
测试效果图
