# gt_deepsort

**Repository Path**: SavenNeer/gt_deepsort

## Basic Information

- **Project Name**: gt_deepsort
- **Description**: gt文件输入到deepsort以验证性能上限与误差点
- **Primary Language**: Unknown
- **License**: GPL-3.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2023-04-15
- **Last Updated**: 2023-06-18

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## GT_DeepSORT

项目Gt_DeepSORT源自于将GT结果输入到DeepSORT中的测试思路，本用于测试DeepSORT的极限跟踪水平。随着后期针对DeepSORT的改进与优化，该项目成为了专门针对于DeepSORT的性能测试项目。

### 项目用途与开发者

本项目直接用于DeepSORT跟踪算法的优化测试，是开发者SavenNeer的本科阶段的毕业设计所使用的核心项目。项目本身开源在[gitee.com/SavenNeer](https://gitee.com/SavenNeer/gt_deepsort)所属的仓库下。毕业设计所属的相关项目文件也均在SavenNeer的系列公开和私有仓库中。

### 运行环境

项目文件夹下的``requirements.txt``中详细描述了运行该项目所需要的``python``环境。

```txt
easydict==1.10
ipdb==0.13.13
matplotlib==3.5.3
motmetrics==1.4.0
numpy==1.23.2
opencv_python==4.7.0.72
pandas==1.5.1
Pillow==9.5.0
PyYAML==6.0
scipy==1.9.0
torch==1.13.1
torchvision==0.14.1
```

### 项目工作流说明

* 本项目的所有检测端输入文件存放在``gt_yolo_det_files/``目录下，所有gt结果存放在``gt_files/``目录下。
* 项目使用的视频资源具备商业密级，不予开放。
* 有关于ReID网络训练的相关方法，请见``https://gitee.com/SavenNeer/deepreid``或者DeepSORT中deep模块的具体情况。
* 有关ID跳变网络的设计请见轨迹拆解工具``https://gitee.com/SavenNeer/cntalgo``。请注意，该项目可能涉密，必要请联系开发者了解项目情况。
* ``gt_deepsort.py``文件目前已经被``dpst.py``和``workflow.py``所属的工作流系统托管，请在了解``wkflow/``文件夹中设计的工作流机制后使用``workflow.py``来启动工作流。


### 工作流机制

工作流机制是方便测试deepsort各类改进与各项参数的对比的重要工具，能够根据**配置模板文件**``wkflow/conf_tplate.yaml``和**工作流函数列表**进行工作的自动化测试工具。

* 请注意``wkflow/conf_tplate.yaml``中的注释，它将帮助你理解预定工作流的内容。
* 配置模板``wkflow/conf_tplate.yaml``中的``testxx``表示需要填充的数据集``seq编号``，通常表示为``test01/test02/test03``等，请让这些编号在项目各处保持相同。
* 请注意``dpst.py``中的工作顺序，它将帮助你理解各个测试单元的先后顺序。
* 工作流对配置文件的修改使用的是easydict包，它在工作流中的具体使用方法在``workflow.py``中有示例。
* 请留意配置模板``wkflow/conf_tplate.yaml``中的``VIDEO_PATH``选项，由于涉及机密，该选项中的路径需要导向具体的视频。