3. 环境搭建与工具链

做目标跟踪算法落地，第一步不是写代码，而是把环境搭好。我见过太多同学花了两天调代码，最后发现是OpenCV版本不对——这种坑，咱们提前填上。

3.1 Python环境配置

我个人习惯用 Miniconda，比Anaconda轻量，够用就行。你想想看，一个目标跟踪项目，依赖就那么几个，没必要装一整套数据科学全家桶。

安装步骤很简单：

1. 去官网下载Miniconda（Python 3.8+版本）
2. 一路默认安装，记得勾选"Add to PATH"
3. 打开终端，验证一下：conda --version

然后创建独立环境：

conda create -n tracking python=3.8
conda activate tracking

为什么要用Python 3.8？嗯，这里要注意——PyTorch 1.x对3.8支持最稳，ONNX Runtime在3.8上也跑得顺。我踩过Python 3.10的坑，有些老模型导出ONNX时直接报错。

3.2 OpenCV安装与验证

OpenCV是目标跟踪的"眼睛"。读帧、预处理、可视化，全靠它。

安装命令：

pip install opencv-python==4.5.5.64
pip install opencv-contrib-python==4.5.5.64

为什么指定版本？我曾经在4.6.0上遇到 SIFT 专利问题，折腾了半天才发现是contrib模块没装对。4.5.5这个版本，我验证过几十个项目，稳得很。

验证代码：

import cv2
print(cv2.__version__)  # 输出 4.5.5

# 读一张图试试
img = cv2.imread('test.jpg')
if img is not None:
    print(f"图像尺寸: {img.shape}")
else:
    print("请放一张test.jpg在目录下")

3.3 PyTorch安装与验证

PyTorch是跟踪模型的主力框架。安装前先确认你的CUDA版本：

nvidia-smi  # 查看CUDA版本，比如11.3

然后去PyTorch官网选对应命令。我一般用：

# CUDA 11.3
pip install torch==1.12.0+cu113 torchvision==0.13.0+cu113 --extra-index-url https://download.pytorch.org/whl/cu113

# 如果没GPU，用CPU版
pip install torch==1.12.0 torchvision==0.13.0

验证代码：

import torch
print(f"PyTorch版本: {torch.__version__}")
print(f"CUDA可用: {torch.cuda.is_available()}")

# 简单张量运算
x = torch.rand(3, 3)
print(f"随机张量:\n{x}")

3.4 ONNX Runtime安装

ONNX Runtime是模型部署的"桥梁"。训练用PyTorch，部署用ONNX，这是工业界的标准流程。

安装命令：

pip install onnxruntime-gpu==1.12.0  # GPU版
# 或
pip install onnxruntime==1.12.0      # CPU版

验证代码：

import onnxruntime as ort
print(f"ONNX Runtime版本: {ort.__version__}")
print(f"可用提供者: {ort.get_available_providers()}")

# 简单推理测试
import numpy as np
session = ort.InferenceSession(None)  # 这里只是验证导入
print("ONNX Runtime加载成功")

3.5 环境验证总脚本

我习惯写一个 check_env.py，一键验证所有依赖：

import sys
import cv2
import torch
import onnxruntime

print(f"Python版本: {sys.version}")
print(f"OpenCV版本: {cv2.__version__}")
print(f"PyTorch版本: {torch.__version__}")
print(f"CUDA可用: {torch.cuda.is_available()}")
print(f"ONNX Runtime版本: {onnxruntime.__version__}")

# 验证OpenCV读图
cap = cv2.VideoCapture(0)
if cap.isOpened():
    print("摄像头打开成功")
    cap.release()
else:
    print("摄像头不可用，请检查")

print("\n✅ 环境验证完成")

3.6 本章知识体系

下面这张图，是我做环境搭建时的思维导图。你照着这个顺序来，基本不会出错：

3.7 常见问题速查表

问题	原因	解决方案
conda命令找不到	未添加PATH	重新安装，勾选"Add to PATH"
cv2.imshow报错	无GUI环境	改用cv2.imwrite保存图像
torch.cuda不可用	版本不匹配	检查CUDA驱动，重装对应PyTorch
ONNX Runtime加载失败	缺少CUDA依赖	安装cuDNN或使用CPU版