yolov11_ocsort_tensorrt

使用YOLOv11和OCSort进行多类别目标跟踪。(基于tensorRT框架，c++实现）

源码下载链接：https://github.com/zhahoi/yolov11_ocsort_tensorrt

写在前面

之前尝试过使用YOLOv11和DeepSort实现行人跟踪，亲自实现后发现Deepsort这个算法的局限性还是挺大的。（yolov11_deepsort_ncnn）一方面使用DeepSort进行目标追踪需要另外训练出一个模型，增加推理时间；另一方面，只能跟踪单类别的目标。老实说，实际应用选择该算法应该比较少。

最近在网上检索合适的目标跟踪算法时，发现了一个除了ByteTracker和DeepSort另外的一种目标跟踪算法。以下是三者算法优略比较（来自chatgpt):

从表中就可以看到，OCSort算法在目标跟踪中存在很大的优势，因此自己想尝试用tensorRT框架实现该算法。

**【基本说明】**使用的目标检测为YOLOv11s版本，OCSort算法参考自官方的OC_SORT项目，其中存在c++实现。由于OCSort是一种即插即用的目标跟踪算法，因此很容易地可以嵌入到现有的其他项目中。在本项目中，几乎没对OCSort的代码部分进行修改，修改的部分来自融合目标检测和目标跟踪部分。

【注】

• 本项目还有对应的ncnn框架实现，指路：yolov11_ocsort_ncnn;
• 本项目yolov11目标检测推理修改本人的另一个yolov8的tensorRT实现，指路：YOLOv8_TensorRT_Jetson;
• 本项目可以将yolov11推理的前后处理放到cuda中实现，推理速度有很大的提升，推理测试可以到200帧左右；

环境配置

• Ubuntu 2024.04
• CUDA:12.0
• cuDNN:8.9.7
• TensorRT:8.6.1
• OpenCV:4.6.0
• eigen3

注：并不需要和本仓库代码的配置环境保持一致，可以根据自己的实际情况来即可。

推理设置

1. 先将本项目拷贝到本地的运行环境中。

   $ git clone https://github.com/zhahoi/yolov11_ocsort_tensorrt.git
   

2. 在仓库中新建build文件夹；

3. 随后进入build文件夹下，使用以下指令进行编译：

   $ cmake ..
   $ make -j8
   

4. 进行推理（参考）

   $ ./yolov11_ocsort ***.mp4  //进行视频推理
   $ ./yolov11_ocsort ***.mp4  1 //进行视频推理并保存推理后的视频
   

推理结果

写在后面

1. 我自己实现后发现，tensorRT中的gpu推理可比ncnn实现的cpu推理可强太多了，有钱真好。
2. 如果有疑问的话，可以开issue提问。如果觉得这个项目还不错的话麻烦给一个star或者fork，可以让我开心一整天。
3. 某些把我开源的代码拿去打包出售的人能不能去死一死，做个人好嘛。

Reference

• OC_SORT
• yolov11_deepsort_ncnn
• yolov11_ocsort_ncnn
• YOLOv8_TensorRT_Jetson