DeepSORT C++版的一个bug

最新推荐文章于 2025-10-30 20:00:00 发布
原创 最新推荐文章于 2025-10-30 20:00:00 发布 · 3.1k 阅读 · 32 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#c++ #DeepSORT #目标跟踪

博客详细分析了DeepSORT C++实现中因EigenBlock非法索引访问导致的崩溃问题，指出错误源于代码块的不当赋值。作者提供了解决方案，修正了取样特征矩阵的错误索引，确保程序稳定运行。

DeepSORT的官方python版实现是https://github.com/nwojke/deep_sort，C++版的DeepSORT中https://github.com/shaoshengsong/DeepSORT这个版本实现较早(这个版本又似乎是在GitHub - bitzy/DeepSort: c++ version of https://github.com/nwojke/deep_sort.这个版本上稍稍修改了下,yolov2改为yolov3)，github上可以看到不少人的DeepSORT都是在这个版本上做的集成和修改，绝大部分代码是照抄的，只是使用的目标检测模型或特征抽取模型不一样而已，或者对DeepSORT代码入口加了个封装类DeepSort，将特征抽取模型部分弄成支持TensorRT的onnx解析方式或者直接读取解析onnx后生成的engine文件(例如:GitHub - GesilaA/deepsort_tensorrt: This is a TensorRT based deepsort project  GitHub - mellivoraPKU/yolov5_trt_deepsort   https://github.com/RichardoMrMu/yolov5-deepsort-tensorrt)，因此把这个版本里的Bug也就都带过去了，凡是基于bitzy/DeepSort或者shaoshengsong/DeepSORT这个序列的版本都存在这个问题。

跑这个C++版本以及其他基于这版的DeepSORT时，长时间跑肯定会因为Eigen Block的非法索引访问而发生崩溃，只是这个错误不会经常出现，具体的错误类似如下:

#2  0x0000007f92976b84 in __assert_fail_base (fmt=0x7f92a71c10 "%s%s%s:%u: %s%sAssertion `%s' failed.\n%n", assertion=assertion@entry=0x7f306fc110 "startRow >= 0 && blockRows >= 0 && startRow <= xpr.rows() - blockRows && startCol >= 0 && blockCols >= 0 && startCol <= xpr.cols() - blockCols", file=file@entry=0x7f306fbfb8 "/usr/include/eigen3/Eigen/src/Core/Block.h", line=line@entry=147, function=function@entry=0x7f306fd908 <Eigen::Block<Eigen::M

最低0.47元/天 解锁文章
Yolov5-Lite + Sort算法实现边缘目标跟踪
`or 1 or 不正经の泡泡
07-09 1899
昨天挖了个坑，那么今天的话把坑填上，只要是实现Sort算法和Yolov5-Lite的一个整合。当然先前的话，我们在Yolov3–Tiny的时候，也做了一个，不过当时的话，有几个问题没有解决。第一就是当时以中心点进行预测的，这样做的结果就是如果目标框的波动比较大的话，影响会很大，同时，当时设计是为了应对直线旋转平移这样的运动进行捕捉。所以效果比较差。同时就是对于目标点的匹配不合理。那就是，我是按照，当预测点和识别点进行距离计算，计算当前点的最小距离。
【多目标跟踪】deep sort c++实现版本调研
聿默的博客
08-18 4727
名称 介绍 环境 代码参考地址 star (2020/8/18) 备注 shaoshengsong/DeepSORT deepsort yolov3 c++版本 ubuntu18.04、Qt、c++ Tensorflow1.4、Opencv DeepSORT 237 关于环境配置有博客说明 weixu000/libtorch-yolov3-deepsort deepsort yolov3 c++版本 Li
一、DeepSort C++版本代码详解-deepsort.cpp
博客
08-30 7686
本文源码基于开源项目：https://github.com/bianjingshan/MOT-deepsort.git 内容简介： 目前主流的目标跟踪算法都是基于Tracking by Detection策略，即根据目标检测结果进行目标跟踪，本文主要对经典的目标跟踪算法DeepSort C++版本代码的工作流程以及模块进行讲解。如果本文内容有误，欢迎指出探讨。 本次代码讲解主要遵循由上而下的方式，先讲总体后讲细节。 代码目录结构如下： data/2DMOT2...
C++实现opencv+yolo+tensorflow+deepsort.txt
07-30
C++实现opencv+yolo+tensorflow+deepsort检测，网上都是python的，用c++重写的，库全部配置好，需要cuda9.0，cudnn7，tensorflow使用的1.12.0gpu，已在工程中配置好。下载即用。文件太大，已记录百度云链接，资源有问题请加文本中的qq
【毕业设计】基于YOLOv5s+DeepSORT的多目标跟踪与社交距离检测算法研究
最新发布
Hai_Lang_IT的博客
10-30 1006
基于改进的YOLOv5s与DeepSORT算法，设计并实现了一个高效的社交距离检测系统，能够实时检测行人目标并准确评估其社交距离是否符合安全标准。对于计算机专业、软件工程专业、人工智能专业、大数据专业的毕业生而言，选择一个合适的毕业设计选题至关重要。在这个毕业设计选题合集中，我们精心收集了各种有趣且具有挑战性的选题，旨在帮助学生们在毕业设计中展现他们的技术实力和创新能力。不论是对于对深度学习技术感兴趣的同学，还是希望探索机器学习、算法或人工智能的领域的同学，本合集都能为您提供丰富的选题资源和灵感。
深度学习物体追踪识别算法的 C++ 实现及移动端部署【附源码】
努力分享一些人工智能、计算机视觉、影像等相关的知识干货！
03-18 998
本博客介绍基于 YOLO + DeepSORT 的深度学习物体追踪算法，使用 C++ 实现，并优化至 Android/iOS 设备。YOLO 负责目标检测，DeepSORT 进行多目标追踪。文章涵盖 TensorFlow Lite / ONNX Runtime 推理、DeepSORT 关联、OpenCV 处理，并探讨 GPU 加速、模型量化、移动端适配优化 以提升性能。最后，提供 Android/iOS 部署流程，包括 TensorFlow Lite 和 CoreML 集成，适用于开发者和计算机视觉研究者。
【Deepsort】C++版本Deepsort编译(依赖opencv,eigen3)
种一棵树最好的时间是十年前，其次是现在
08-01 2800
广泛的功能：Eigen3支持多种线性代数运算，包括向量和矩阵的基本运算、线性方程组的求解、特征值和特征向量的计算、矩阵分解（如LU分解、QR分解等）、广义特征值问题的求解等。Eigen3是一个C++模板库，提供了许多用于线性代数运算的功能，如向量、矩阵、矩阵运算、线性方程组求解等。它的API设计简洁明了，提供了丰富的运算符重载和友好的语法，使得代码编写更加简单和可读。高性能：Eigen3使用了优化的算法和技术，具有出色的运行速度和高效的内存使用。它的源代码可在GitHub上获得，方便用户进行定制和扩展。
深度追踪（DeepSort）：C++ 实现的高效目标追踪库
gitblog_00053的博客
06-15 2023
深度追踪（DeepSort）：C++ 实现的高效目标追踪库 去发现同类优质开源项目:https://gitcode.com/ 在人工智能与计算机视觉领域，实时的目标追踪是众多应用的核心技术之一。今天，我们要向您推荐一个强大的开源项目——DeepSort的C++实现版，源自nwojke/deep_sort的灵感，专为追求高性能和灵活部署的开发者设计。 项目介绍 DeepSort是一个基于深度学习的目...
精选资源
yolov5+Deepsort部署于rk3588和rk3399pro开发板C++完整源码(车辆行人跟踪)+模型+部署文档.zip
05-10
yolov5+Deepsort算法部署于rk3588和rk3399pro开发板C++完整源码(车辆行人检测跟踪)+rknn模型+操作说明文档.zip 【资源介绍】 改善了边界框漂移, 完善了当图中没有目标等其他情形出现的bug, 增加了对cost matrix出现...
三种方式实现人车流统计（yolov5+opencv+deepsort+bytetrack+iou）
Jayson 博客
06-18 1931
运用yolov5目标检测、deepsort、bytertrack、opencv、iou等算法实现三种方式统计人流或车流。
deepsort的c++使用代码
weixin_42599908的博客
01-30 807
DeepSORT是一种跟踪算法，用于在视频序列中跟踪目标。它是基于深度学习的，使用卷积神经网络对目标进行识别。 下面是一个简单的使用DeepSORT的C++代码示例： #include <opencv2/opencv.hpp> #include <deep_sort/deep_sort.h> int main() { // 创建DeepSORT对象 Dee...
deepsort C++代码关于卡尔曼滤波的一些思考
qq_43283616的博客
03-23 487
以上公式，在C++代码中，状态估计x用mean表示，协方差P用covariance表示，状态转换模型F用_motion_mat表示，观测模型H用_update_mat表示。diag就是R，diag是由std构建的对角矩阵，一个对称阵加一个对称阵，S也肯定是对称阵，S的转置等于S，所以计算K时就直接用S就行了。然后计算new_mean方式中的疑问和第一点是一样的原因，都是公式中的x是竖着放的，但是代码中的mean是横着放的。（注意，上面可两边同乘以S是因为矩阵乘法满足结合率，右边可以先算S和S的逆的乘）
c++版本的基于Yolov5的deepsort的实现
11-25
c++版本的基于Yolov5的deepsort的实现，直接已经在nx上实现，并且压缩包中包含了转换好的两个tensorrt的模型，及配置好的yolov5的转换过程文件，版本对应，且能够直接运行。
libtorch-yolov3-deepsort
11-26
C++版本，基于libtorch框架，yolov3目标检测模型，适合各种平台部署，有需要的可以下载使用。
【Deep C (and C++)】深入理解C/C++(1)
soboer
11-26 242
译自Deep C (and C++) by Olve Maudal and Jon Jagger，本身半桶水不到，如果哪位网友发现有错，留言指出吧：） 编程是困难的，正确的使用C/C++编程尤其困难。确实，不管是C还是C++，很难看到那种良好定义并且编写规范的代码。为什么专业的程序员写出这样的代码？因为绝大部分程序员都没有深刻的理解他们所使用的语言。他们对语言的把握，有时他们知道某些东西未定...
NVIDIA Jetson AGX Xavier DeepSort tensorRT部署和加速 C++版
黎国溥
01-13 530
前言 在实现NVIDIA Jetson AGX Xavier 部署Deepsort + Python版本的深度学习环境，然后能正常推理、检测和跟踪后；发现模型速度不够快，于是使用tensorRT部署，加速模型，本文介绍C++版本的。 版本介绍：tensorrtx；Jetpack 4.5 [L4T 32.5.0]、CUDA: 10.2.89。 Deepsort 的原理参考我这篇文章：【论文解读】Sort、Deep-Sort多目标跟踪算法_黎国溥-优快云博客_sort 多目标跟踪 一、快速实现版本
【亲测免费】 开源项目推荐：DS (Deep Sort C++ 实现)
gitblog_00738的博客
11-20 655
开源项目推荐：DS (Deep Sort C++ 实现) 1. 项目基础介绍和主要编程语言 DS 项目是一个基于 C++ 实现的 Simple Online Realtime Tracking (SORT) 算法的开源项目。该项目的主要编程语言是 C++，旨在提供一个高效、实时的目标跟踪解决方案。通过结合深度学习技术，DS 项目能够在复杂的场景中实现准确的目标跟踪。 2. 项目的核心功能 DS 项...
YOLOV5_deepsort多目标跟踪，纯C++实现，带详细注释，完整的sdk，只需安装cuda就可以跑了。
帅小帅的博客
10-22 2378
链接地址： bilibili，可以私聊我： yolov5+deepsort完成的sdk，纯C++编写，部署Nvidia上用tensorrt部署
C++深度排序（DeepSort）项目使用教程
gitblog_00068的博客
05-26 628
C++深度排序（DeepSort）项目使用教程 1、项目介绍 C++深度排序（DeepSort）项目是一个基于C++实现的简单在线实时跟踪（Simple Online Realtime Tracking, SORT）算法，结合了深度关联度量（Deep Association Metric）。该项目的主要目的是在视频流中进行目标跟踪，通过深度学习模型来提高跟踪的准确性和稳定性。 2、项目快速启动 环...
cv::VideoCapture Fail to open ./Deep_rknn/data/M0201.mp4
10-10
<think>我们正在解决用户关于OpenCV的`cv::VideoCapture`无法打开指定视频文件的问题。根据用户描述，文件路径为`./Deep_rknn/data/M0201.mp4`。 可能的原因及解决方案如下： 1. **路径问题**：确保文件路径正确。相对路径`./`表示当前工作目录，但程序运行时的工作目录可能与预期不同。 - 建议使用绝对路径来避免歧义。 - 检查文件是否存在于指定路径。可以使用文件系统操作验证文件是否存在。 - 注意：路径中的大小写和特殊字符（如空格）也可能导致问题。 2. **文件权限问题**：确保程序有权限读取该文件。 3. **文件损坏**：确认视频文件是否完整且可播放。尝试用其他播放器打开。 4. **OpenCV支持问题**：OpenCV可能不支持该视频的编解码格式。虽然MP4通常被支持，但具体取决于编译时包含的编解码器。 - 可以尝试安装OpenCV的完整版（包含FFmpeg支持）或重新编译OpenCV并启用FFmpeg。 5. **OpenCV版本问题**：某些版本可能存在bug，更新OpenCV版本或回退到稳定版本。 6. **代码检查**： - 确保正确使用`cv::VideoCapture`，并检查其返回状态。 - 示例代码： ```cpp cv::VideoCapture cap("./Deep_rknn/data/M0201.mp4"); if (!cap.isOpened()) { std::cerr << "Error opening video file\n"; // 进一步诊断 } ``` 7. **其他**：如果文件路径包含非ASCII字符，可能会引起问题，尽量使用纯ASCII字符路径。 根据上述分析，我们给出以下步骤： **步骤1：检查文件路径** 使用绝对路径并确认文件存在。例如，在Linux下可以使用`realpath`获取绝对路径，或者使用脚本打印当前工作目录。 **步骤2：检查文件是否存在且可读** 在代码中添加检查文件是否存在的代码，或者直接在终端中检查。 **步骤3：检查OpenCV视频支持** 尝试读取其他视频文件，确认OpenCV视频功能是否正常。 **步骤4：尝试使用其他编解码器** 如果可能，将视频转换为另一种格式（如AVI）再试。 **步骤5：代码诊断** 在代码中捕获错误信息，OpenCV有时会提供更具体的错误原因。 示例代码（C++）： ```cpp #include <opencv2/opencv.hpp> #include <iostream> using namespace cv; using namespace std; int main() { VideoCapture cap("/absolute/path/to/Deep_rknn/data/M0201.mp4"); if (!cap.isOpened()) { cerr << "无法打开视频文件，请检查路径或文件格式支持。" << endl; // 可以尝试获取更多错误信息 return -1; } // ... 其他处理 return 0; } ``` **步骤6：考虑使用其他库（如FFmpeg）** 如果OpenCV确实无法打开，可以考虑直接使用FFmpeg库读取视频。 注意：用户提供的引用内容（如HOG、SLAM、DeepSORT等）与当前问题关联不大，因此我们主要针对问题本身进行解答。 相关问题： 1. 如何获取OpenCV支持的视频编解码器列表？ 2. 如何检查OpenCV是否编译了FFmpeg支持？ 3. 在OpenCV中，除了`isOpened()`，还有哪些方法可以诊断视频捕获错误？ </think>### `cv::VideoCapture`无法打开视频文件的解决方案 当`cv::VideoCapture`无法打开`./Deep_rknn/data/M0201.mp4`文件时，可以通过以下步骤排查和解决： --- #### 1. **验证文件路径与存在性** ```cpp #include <iostream> #include <opencv2/opencv.hpp> int main() { std::string path = "./Deep_rknn/data/M0201.mp4"; cv::VideoCapture cap(path); if (!cap.isOpened()) { std::cerr << "错误: 文件不存在或路径错误: " << path << std::endl; // 检查文件是否存在 std::ifstream file(path); if (!file.good()) { std::cerr << "文件不存在，请检查路径！" << std::endl; } return -1; } return 0; } ``` - **问题**：相对路径`./`依赖于程序的工作目录，可能与预期不符。 - **解决**： - 使用**绝对路径**（如`/home/user/Deep_rknn/data/M0201.mp4`）。 - 通过`std::filesystem::current_path()`打印当前工作目录并调整路径。 --- #### 2. **检查OpenCV编解码器支持** - **问题**：OpenCV可能未编译对应视频格式的编解码器（如MP4的H.264支持）。 - **验证**： ```bash # 终端检查OpenCV支持 python -c "import cv2; print(cv2.getBuildInformation())" | grep -i "video" ``` - **解决**： 1. 安装FFmpeg：`sudo apt install ffmpeg`（Linux）或下载[FFmpeg官方构建](https://ffmpeg.org/)（Windows）。 2. 重新编译OpenCV并启用FFmpeg： ```bash cmake -D WITH_FFMPEG=ON -D BUILD_opencv_videoio=ON .. ``` --- #### 3. **文件权限与格式问题** - **权限问题**： - Linux：`chmod +r ./Deep_rknn/data/M0201.mp4` - Windows：右键文件 → 属性 → 取消只读属性。 - **文件损坏**： - 用VLC等播放器测试能否打开文件。 - 尝试其他视频文件验证OpenCV功能。 --- #### 4. **OpenCV版本与依赖库** - **问题**：旧版OpenCV可能存在视频模块的Bug。 - **解决**： - 升级OpenCV至最新版（≥4.5.0）。 - 安装必备依赖： ```bash sudo apt install libavcodec-dev libavformat-dev libswscale-dev # Linux ``` --- #### 5. **跨平台路径分隔符** - **问题**：Windows路径分隔符为`\`，Linux/macOS为`/`。 - **解决**：使用跨平台路径处理： ```cpp #include <filesystem> std::string path = std::filesystem::path("./Deep_rknn/data/M0201.mp4").lexically_normal().string(); ``` --- #### 6. **硬件加速冲突** - **问题**：视频文件可能包含特殊编码硬件指令。 - **解决**：禁用硬件加速： ```cpp cv::VideoCapture cap; cap.open(path, cv::CAP_ANY); // 强制使用默认后端 ``` --- ### 总结步骤 1. **优先验证绝对路径** → 排除工作目录问题。 2. **检查文件是否存在且可读** → 权限与损坏问题。 3. **升级OpenCV并启用FFmpeg** → 编解码器支持。 4. **禁用硬件加速兜底** → 解决硬件兼容性。 > **提示**：若问题仍然存在，使用`cap.get(cv::CAP_PROP_BACKEND_NAME)`查看视频后端，并在[OpenCV Issues](https://github.com/opencv/opencv/issues)搜索类似错误。 ---
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Arnold-FY-Chen

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值