## Yolov5s+ByteTrack

ByteTrack提出于2022ECCV，是目前最主流的跟踪器之一，主要特点包括：

1. 当目标逐渐被遮挡时，跟踪目标与低置信度检测目标匹配。
2. 当目标遮挡逐渐重现时，跟踪目标与高置信度检测目标匹配。

同时ByteTrack消耗的计算资源较少，很适合用于嵌入式设备中，经过调研是机器人进行检测加速的最适合的跟踪算法。

#### 代码运行环境：

| 开发环境 | Visual Studio 2022   |
| -------- | -------------------- |
| OpenCV   | opencv-4.8.0-windows |
| 调用模型 | YOLOv5s 6.0          |
| TensorRT | TensorRT-8.5.1.7     |
| Eigen    | eigen-3.4.0          |

ByteTrack的代码配置更加复杂，尤其注意TensorRT的配置和cuda的配置，详细配置过程可以参考这个博客：[Win10+TensorRT 8.5安装+VS2022配置_tensorrt-8.5.2.2-CSDN博客](https://blog.csdn.net/gulingfengze/article/details/108425949)

除了上述环境之外，代码配置过程中会出现dirent.h文件不存在的错误，这是因为windows库中没有这个文件，linux中存在，只需将项目中这个文件添加到项目中即可，同理，linux环境下可以将这个文件删除。

![img1](./images/img1.png)

#### 主要代码设置：

main.py中

    string img_path = "D:/VS/yoloTest/images/detect.mp4";
    string model_path = "D:/VS/yoloTest/models/yolov5s.onnx";

使用到的模型以及检测视频的路径。

```
int detect_interval = 3;
```

模型的调用频率设置，设置为3表示帧率为3的倍数时进行模型的目标检测，其他时候使用预测的目标框。