缘由：

• 1. 目标跟踪是工业检测和学术研究的基础课题，其pipeline通常分为视频目标检测、视频实例分割、单目标跟踪、多目标跟踪和Re-ID五类，同时，还细分为在线检测和离线检测两种任务模式。由于现阶段关于目标跟踪的教程较少，为了便于快速上手上述work，特出此专栏教程。
• 2. MMEngine使得炼丹师能够更加方便的搭建模型和可视化训练过程，当然也包括环境配置。近期的框架都依据MMEngine所组建。由于环境配置（由其在windows上）过程中会遇到各种各样的坑，因此本文就带大家快速上手MMTracking的环境配置。

所需依赖：四个依赖库可从百度网盘获取(这里因为版本问题踩过坑。建议用这个，否则后期可能会因为版本问题导致各种错误。)。

链接：https://pan.baidu.com/s/1P1nuJVxQq82Ot81u1gSJ2Q 提取码：d8cu 

 环境配置：

1. 创建虚拟环境和安装基本依赖（Anaconda Prompt）：

conda create -n mmtracking python=3.8
conda activate mmtracking 
pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html
conda install cudatoolkit=11.1 -c pytorch -c conda-forge
pip install mmengine

2. 编译MMCV（Anaconda PowerShell Prompt）：此过程可能持续十分钟

cd mmcv-master   cd到mmcv-master文件夹
$env:TORCH_CUDA_ARCH_LIST="6.1"   引号内填入设备对应的算力
$env:MMCV_WITH_OPS = 1
$env:MAX_JOBS = 8
python setup.py build_ext   编译
python setup.py develop

3. 安装MMDetection（Anaconda Prompt）：

cd mmdet   cd到mmdet文件夹   版本和博主不一致可能会和mmengine的版本冲突从而代码报错
pip install -r requirements.txt
python setup.py develop

4. 安装MMTracking（Anaconda Prompt）：

cd TrackEval-master  cd到mmtrack文件夹
pip install -r requirements/build.txt
python setup.py develop

5. 安装数据集（Anaconda Prompt）：

cd mmtrack   cd到多目标跟踪数据格式文件
pip install -r requirements.txt
pip install joblib threadpoolctl pytz xmltodict rich modelindex # 一些额外的依赖需要安装
pip install --upgrade numpy
python setup.py develop

6. 测试（Anaconda Prompt）：此时会下载一些权重文件，出现以下结果就证明安装成功了。

python demo/demo_mot_vis.py configs/mot/deepsort/deepsort_faster-rcnn_r50_fpn_8xb2-4e_mot17train_test-mot17test.py --input demo/demo.mp4 --output mot.mp4

---

随后的专栏内容将会分析MMTracking的代码和跑通自己的数据。