[Object Detection + Tracking] YOLOv4와 deepsort로 tracking 실습하기

 ⭐ yolov5-deepsort-osnet을 실행했었는데, 그 repository는 2022년 CVPR에 갓 나온 reid 방식인 strongSORT로 바뀌어서 Deepsort와 yolo가 함께 구현된 다른 github repo 실습을 ubuntu에서 진행했다. 

 

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

GitHub - theAIGuysCode/yolov4-deepsort: Object tracking implemented with YOLOv4, DeepSort, and TensorFlow.

 

1. git clone

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

 

2. 생성한 폴더로 이동하기 

cd yolov4-deepsort

 

3.  conda로 환경 setting 하기 

• 아래 명령어를 입력해서 conda 가상환경을 생성하고 필요한 패키지를 다운 받아 준다.

conda env create -f conda-gpu.yml
conda activate yolov4-gpu

• Error: No matching distribution found for tensorflow-gpu==2.3.0rc0위와 같은 에러가 떴다. tensorflow-gpu 버전 문제이다. 

pip install --upgrade pip 
#conda-gpu.yml 파일에서 tensorflow == 2.3.0으로 변경함

conda-gpu.yml 파일을 열러서 tensorflow ==2.3.0rc0 을 tensorflow ==2.3.0 버전으로 바꾸어준다. 

[참고]https://github.com/theAIGuysCode/yolov4-custom-functions/issues/80

ERROR: No matching distribution found for tensorflow-gpu==2.3.0rc0 please help · Issue #80 · theAIGuysCode/yolov4-custom-funct

[참고]https://github.com/theAIGuysCode/yolov4-deepsort/issues/120

Unable to install tensorflow-gpu==2.3.0rc0 · Issue #120 · theAIGuysCode/yolov4-deepsort

 

• Error: 주의 Network를 잘 확인하지 않은면 HttpsConnection 에러가 나타날 수도 있다. 아래 명령어로 재설정해주어서 env 생성할 수 있었다.

sudo service network-manager restart

env 설정이 완료된 화면

4. detector에 쓰일 weights 다운 받기

• yolov4-tiny weights 다운로드 했다. 아래를 눌러 다운받기
• https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v4_pre/yolov4-tiny.weights
• pjreddie의 yolo 공식 홈페이지의 weight를 사용할 수도 있다.
• 다운 받은 파일을 yolov4-deepsort 아래 data 폴더로 이동 시켜주자.

 

5. 다운 받은 weights를 tensor로 변형시키기

python save_model.py --weights ./data/yolov4-tiny.weights --output ./checkpoints/yolov4-tiny-416 --model yolov4 --tiny

 

6. 실행시키기

아래 코드로 tracker를 실행시켜보자. 

# Run yolov4-tiny object tracker
python object_tracker.py --weights ./checkpoints/yolov4-tiny-416 yolov4 --video ./data/video/test.mp4 --output ./outputs/tiny.avi --tiny

아래와 같은 실행 비디오가 나오면 성공이다.

yolov4-tiny로 실행한결과, 9~23fps 정도로 tracking이 진행되었다.

webcam으로 실행하고 싶은 경우에는 --source 0으로 명령어를 입력하면 된다. 

python object_tracker.py --video 0 --output ./outputs/webcam.avi --weights ./checkpoints/yolov4-tiny-416 --model yolov4

결과물 output 동영상은 /outputs 폴더 안에서 찾아볼 수 있다.

webcam으로 했을 때는 detect된 object의 수가 적어서 확실히 fps가 tiny 모델을 쓴 fps가 나왔다. 약 30~40 fps정도.