简体中文 | English
- 本项目是 Yolo-DeepSORT 的 C++ 实现，使用 TensorRT 进行推理；
- 提供了 dockerfile 以快速搭建开发环境；
- 只需要提供 onnx 文件，在创建模型实例时会自动解析 onnx 并序列化出 engine 文件（*.trtmodel）到 workspace 目录下；
- 我的另一个 PyTorch 版本的实现，含撞线检测，可对行人进行计数：Yolov5_Deepsort_Person_Count
参考 README 使用Docker容器，或参考下方自行配置：
- python: 3.8
- cuda: 11.2
- cudnn: 8.2.2.26
- tensorRT: 8.0.3.4
- protobuf: 3.11.4
创建工作目录:
mkdir workspace下载文件到 workspace 目录下：
| 文件 | 链接 |
|---|---|
| *.onnx, test.mp4 | 下载 (提取码: zxao) |
- yolov5s.onnx 导出自 yolov5-6.0，deepsort 的 onnx 导出自 deep_sort_pytorch，可参考脚本 exportOnnx.py
- ptq_yolov5s.onnx 是量化模型，参考 https://github.com/Tongkaio/yolov5_quant
修改 MakeFile 中的相关头文件和库文件路径（若使用本项目提供的 docker 则不需要），然后执行：
make run项目运行时将显示推理结果，按 ESC 退出。
目前在 GeForce RTX 2060 上，推理 test.mp4 的速度约为 35 ms/帧。
-
Infer、Yolo 和 DeepSORT 使用接口模式和 RAII 进行封装：
- infer.h， yolo.h，deepsort.h 仅暴露
create_*和推理接口 - 使用
create_*创建对象实例，将自动解析 onnx 文件，生成 engine 并加载
- infer.h， yolo.h，deepsort.h 仅暴露
-
infer.cpp: 分四个线程，两两之间为生产者-消费者关系：
