MMTracking项目安装指南：从环境配置到验证测试

MMTracking项目安装指南：从环境配置到验证测试

mmtracking OpenMMLab Video Perception Toolbox. It supports Video Object Detection (VID), Multiple Object Tracking (MOT), Single Object Tracking (SOT), Video Instance Segmentation (VIS) with a unified framework. 项目地址: https://gitcode.com/gh_mirrors/mm/mmtracking

前言

MMTracking是OpenMMLab生态中专注于视频目标跟踪与检测的开源工具箱，基于PyTorch框架开发。本文将详细介绍如何从零开始搭建MMTracking开发环境，包括硬件要求、软件依赖、安装步骤以及验证方法。

系统要求

在开始安装前，请确保您的系统满足以下基本要求：

操作系统：

• Linux (推荐Ubuntu 16.04或更高版本)
• macOS
• Windows (部分功能可能受限)

硬件要求：

• NVIDIA显卡 (建议显存≥4GB)
• CUDA计算能力≥3.5

软件依赖：

• Python 3.6+
• PyTorch 1.3+
• CUDA 9.2+ (如果从源码编译PyTorch，CUDA 9.0也可兼容)
• GCC 5+
• MMCV (计算机视觉基础库)
• MMDetection (目标检测基础库)

版本兼容性

MMTracking与MMCV、MMDetection存在严格的版本依赖关系，错误的版本组合可能导致运行异常。以下是主要版本的兼容性对照表：

| MMTracking版本 | 所需MMCV版本 | 所需MMDetection版本 | |---------------|--------------------|---------------------| | master分支 | mmcv-full≥1.3.17, <2.0.0 | ≥2.19.1, <3.0.0 | | 0.14.0 | mmcv-full≥1.3.17, <2.0.0 | ≥2.19.1, <3.0.0 | | 0.13.0 | mmcv-full≥1.3.17, <1.6.0 | ≥2.19.1, <3.0.0 | | ... | ... | ... |

建议根据实际需求选择稳定的版本组合，避免使用不兼容的版本。

详细安装步骤

1. 创建并激活conda环境

conda create -n open-mmlab python=3.7 -y
conda activate open-mmlab

2. 安装PyTorch和torchvision

根据官方文档安装与CUDA版本匹配的PyTorch：

# 示例：CUDA 10.1环境
conda install pytorch==1.5 cudatoolkit=10.1 torchvision -c pytorch

重要提示：确保编译CUDA版本与运行时CUDA版本一致，可通过nvcc --version和torch.version.cuda命令验证。

3. 安装VOT评估工具（可选）

如需进行VOT Challenge评估，建议先安装vot-toolkit以避免潜在的numpy版本冲突：

pip install vot-toolkit

4. 安装MMCV-full

推荐使用预编译包安装：

# 格式：pip install mmcv-full -f {CUDA版本}/{PyTorch版本}/index.html
pip install mmcv-full -f cu102/torch1.10/index.html

版本说明：MMCV-full通常基于PyTorch 1.x.0编译，但一般兼容1.x.1版本。

5. 安装MMDetection

使用pip直接安装：

pip install mmdet

如需自定义修改，可从源码安装：

git clone mmdetection仓库
cd mmdetection
pip install -r requirements/build.txt
pip install -v -e .

6. 安装MMTracking

克隆仓库并安装：

git clone mmtracking仓库
cd mmtracking
pip install -r requirements/build.txt
pip install -v -e .

7. 安装额外评估依赖

根据需求选择安装：

• MOTChallenge评估：

  pip install TrackEval
  

• LVIS评估：

  pip install lvis-api
  

• TAO评估：

  pip install tao
  

一键安装脚本

以下是为CUDA 10.1环境准备的一键安装脚本：

conda create -n open-mmlab python=3.7 -y
conda activate open-mmlab

conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.1 -y

pip install vot-toolkit  # 可选
pip install mmcv-full -f cu101/torch1.6.0/index.html
pip install mmdet

git clone mmtracking仓库
cd mmtracking
pip install -r requirements/build.txt
pip install -v -e .
pip install TrackEval lvis-api tao

环境验证

安装完成后，可通过运行示例脚本验证安装是否成功：

1. MOT任务验证：

python demo/demo_mot_vis.py configs/mot/deepsort/sort_faster-rcnn_fpn_4e_mot17-private.py --input demo/demo.mp4 --output mot.mp4

2. 视频目标检测(VID)验证：

python demo/demo_vid_vis.py configs/vid/fgfa/fgfa_faster_rcnn_r50_dc5_1x_imagenetvid.py --input demo/demo.mp4 --output vid.mp4

3. 单目标跟踪(SOT)验证：

python demo/demo_sot_vis.py configs/sot/siamese_rpn/siamese_rpn_r50_20e_lasot.py --input demo/demo.mp4 --output sot.mp4

成功运行后将生成对应的结果视频文件。

常见问题解答

Q1: 安装过程中出现版本冲突错误怎么办？ A1: 仔细检查MMTracking、MMCV和MMDetection的版本兼容性表，确保使用推荐的版本组合。

Q2: 如何在不同版本的MMTracking间切换？ A2: 训练和测试脚本会自动修改PYTHONPATH以使用当前目录的代码。如需使用环境中的默认版本，可移除脚本中的PYTHONPATH修改语句。

Q3: 为什么推荐使用mmcv-full而不是mmcv？ A3: mmcv-full包含所有CUDA算子，支持完整的MMTracking功能，而mmcv是纯CPU版本，功能有限。

通过以上步骤，您应该已经成功搭建了MMTracking的开发环境。接下来可以开始探索视频目标跟踪与检测的各种算法和应用场景。

mmtracking OpenMMLab Video Perception Toolbox. It supports Video Object Detection (VID), Multiple Object Tracking (MOT), Single Object Tracking (SOT), Video Instance Segmentation (VIS) with a unified framework. 项目地址: https://gitcode.com/gh_mirrors/mm/mmtracking