YOLOv3 TensorRT 目标检测项目

这是一个基于YOLOv3和TensorRT的目标检测项目，支持实时视频检测和目标跟踪。

项目结构

.
├── common/          # 通用工具函数
├── deep_sort/       # DeepSORT目标跟踪算法实现
├── eval_yolo.py     # YOLO模型评估脚本
├── plugins/         # TensorRT插件相关文件
├── utils/          # 工具函数(可视化、预处理等)
├── yolo/           # YOLO模型相关文件
├── trt_yolo.py     # 基础目标检测实现
├── trt_yolo_with_screen.py  # 带目标跟踪的检测实现
└── setup.py        # 项目安装配置

功能特点

• 支持YOLOv3目标检测
• 使用TensorRT加速推理
• 集成DeepSORT目标跟踪
• 支持实时视频流处理
• 支持图片和视频输入
• 可视化检测和跟踪结果

环境要求

• Python 2.7
• CUDA
• TensorRT 7.1.3.4
• OpenCV
• PyCUDA
• ONNX 1.4.1

安装步骤

1. 安装依赖包:

# 安装protobuf
bash install_protobuf-3.8.0.sh

# 安装pycuda
pip install pycuda==2019.1.1

# 安装onnx
sudo pip3 install onnx==1.4.1

2. 编译项目:

cd plugins
make

3. 生成TensorRT, 加速推理:

cd yolo
bash darknet2onnx.sh
bash onnx2trt.sh

使用方法

1. 基础目标检测:

python3 trt_yolo.py --image <image_path> -m yolov3-416

2. 视频检测(带目标跟踪):

python3 trt_yolo_with_screen.py --video <video_path> -m yolov3-416

参数说明:

• -m/--model: 模型名称，如yolov3-416
• -c/--category_num: 目标类别数量
• --image: 输入图片路径
• --video: 输入视频路径

注意事项

1. 确保TensorRT引擎文件(.trt)已正确生成
2. 视频处理时可按ESC键退出
3. 按F键切换全屏显示
4. 检测结果将保存为result_3.avi

许可证

MIT License