MMTracking项目安装与配置完全指南

MMTracking项目安装与配置完全指南

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

项目简介

MMTracking是OpenMMLab生态系统中的视频目标感知工具箱，专注于视频目标检测、单目标跟踪和多目标跟踪等任务。本文将详细介绍如何正确安装和配置MMTracking项目环境。

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：支持Linux、macOS和Windows
• Python版本：3.6及以上
• PyTorch框架：1.3及以上版本
• CUDA工具包：9.2及以上（若从源码构建PyTorch，则支持CUDA 9.0）
• GCC编译器：5.0及以上版本

依赖项版本兼容性

MMTracking依赖于MMCV和MMDetection两个核心组件，以下是版本兼容性对照表：

| MMTracking版本 | MMCV版本要求 | MMDetection版本要求 | |----------------|--------------|---------------------| | master分支 | 1.3.17≤版本<2.0.0 | 2.19.1≤版本<3.0.0 | | 0.14.0 | 1.3.17≤版本<2.0.0 | 2.19.1≤版本<3.0.0 | | 0.13.0 | 1.3.17≤版本<1.6.0 | 2.19.1≤版本<3.0.0 | | 0.12.0 | 1.3.17≤版本<1.5.0 | 2.19.1≤版本<3.0.0 | | 0.11.0 | 1.3.17≤版本<1.5.0 | 2.19.1≤版本<3.0.0 | | 0.10.0 | 1.3.17≤版本<1.5.0 | 2.19.1≤版本<3.0.0 | | 0.9.0 | 1.3.17≤版本<1.5.0 | 2.19.1≤版本<3.0.0 | | 0.8.0 | 1.3.8≤版本<1.4.0 | 2.14.0≤版本<3.0.0 | | 0.7.0 | 1.3.8≤版本<1.4.0 | 2.14.0≤版本<3.0.0 | | 0.6.0 | 1.3.8≤版本<1.4.0 | 2.14.0≤版本<3.0.0 |

详细安装步骤

1. 创建并激活Conda环境

建议使用Conda管理Python环境以避免依赖冲突：

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

2. 安装PyTorch和Torchvision

根据您的CUDA版本选择合适的PyTorch安装命令：

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

# CUDA 9.2示例
conda install pytorch=1.3.1 cudatoolkit=9.2 torchvision=0.4.2 -c pytorch

重要提示：确保PyTorch的CUDA编译版本与系统安装的CUDA运行时版本一致。

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：

pip install vot-toolkit

4. 安装MMCV-full

MMCV-full是MMTracking的核心依赖，推荐使用预编译版本：

# 示例：CUDA 10.2 + PyTorch 1.10.0
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu102/torch1.10.0/index.html

PyTorch小版本通常兼容，因此1.x.1版本可以使用1.x.0编译的MMCV：

pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu102/torch1.10/index.html

5. 安装MMDetection

pip install mmdet

如需修改源码，可从源码安装：

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

7. 安装评估工具（按需）

根据任务类型选择安装评估工具：

# MOTChallenge评估
pip install TrackEval

# LVIS评估
pip install lvis-api

# TAO评估
pip install tao

完整安装脚本示例

假设系统已安装CUDA 10.1，以下是完整安装脚本：

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 -c pytorch -y

# 可选VOT工具
pip install vot-toolkit

# 安装MMCV
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu101/torch1.6.0/index.html

# 安装MMDetection
pip install mmdet

# 安装MMTracking
git clone mmtracking
cd mmtracking
pip install -r requirements/build.txt
pip install -v -e .

# 安装评估工具
pip install TrackEval
pip install lvis-api
pip install tao

多版本开发管理

MMTracking默认以开发模式(dev)安装，本地修改会立即生效。如需切换版本，可修改环境变量PYTHONPATH。

安装验证

运行以下命令验证安装是否成功：

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

成功执行后将生成mot.mp4视频文件。

常见问题

1. CUDA版本不匹配：确保PyTorch、MMCV的CUDA版本与系统安装的CUDA版本一致
2. 依赖冲突：建议使用全新的Conda环境安装
3. 评估工具安装失败：可尝试先安装numpy等基础依赖

通过以上步骤，您应该已经成功搭建了MMTracking开发环境，可以开始进行视频目标感知相关的研究和开发工作。

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