Yolo-Detection/yolo+ByteTrack

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

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。

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。