首先说明，主要配置要求来源于项目开源网址说明，这里记录下踩的坑
项目连接TrackNetV2

新建虚拟环境

原作者的安装环境是Ubuntu+Python3.5.2+CUDA10.1，但是我的电脑是win11+Anaconda环境，配置上与作者的内容大同小异。
首先就是新建对应版本的python虚拟环境。版本注意对应上。python版本为3.5.2
这里默认你已经正确安装Anaconda并能在cmd中使用
在命令行中直接创建：

coda create -n tracknet-gpu python=3.5.2

安装CUDA

如果你要使用GPU做推理（一定要用GPU，CPU的推理速度非常非常非常慢），那么在安装相关package之前要先把CUDA正确安装了。
由于源码使用 tensorflow构建网络，需要的CUDA版本要对应上。
这里强调第一个重要点：作者使用的版本为TensorFlow 1.13.1/keras 2.2.4/Opencv 4.1.0/CUDA 10.1但是这个配置在win环境中实测没法用！
按照Tensorflow官网的版本测试数据有：


我们要使用tensorflow_gpu-1.13.1，对应的CUDA版本为10.0，cuDNN版本为7.4
关于CUDA安装已经有很多博客说的很详细，请自行查找。关于安装，在电脑存储足够的情况下最好使用CUDA多版本共存的安装方式，便于后期的版本切换开发。

安装Package

作者给出的安装命令：

  $ sudo apt-get install git
  $ sudo apt-get install python3-pip
  $ pip3 install pyqt5
  $ pip3 install pandas
  $ pip3 install PyMySQL
  $ pip3 install opencv-python
  $ pip3 install imutils
  $ pip3 install Pillow
  $ pip3 install piexif
  $ pip3 install -U scikit-learn
  $ pip3 install keras
  $ git clone https://nol.cs.nctu.edu.tw:234/open-source/TrackNetv2

这里要改一下适配cmd操作。在进入之前创建的tracknet-gpu环境后：

coda install git
pip install pyqt5
pip install tensorflow-gpu==1.13.1
pip install pandas
pip install PyMySQL
pip install opencv-python==4.1.0
pip install imutils
pip install Pillow
pip install piexif
pip install scikit-learn
pip install keras

如果不科学上网，这几个包是没法全部安装好的。
曲线救国：在pypi官网下载需要的包，然后命令行中cd到包的下载路径，然后再pip install 就可以本地安装。
我下载了以下几个包：

参照图片中包名、版本、编译平台下载到本地，然后再安装
值得提的是：Keras的版本和tensorflow的版本也是有对应关系的。
安装过程中因为python3.5这个版本已经停止支持，pip安装会有警告，忽略即可。
安装过程本着，把作者给出的包一个不差的安装的条件下，逐个安装，缺啥依赖包就搜索、下载、本地安装，缺啥补啥。直到所有包安装完。

检测

在正确安装环境后，在项目网址上克隆下整个项目，在找一段要检测的视频。检测命令

python predict.py --video_name=<videoPath> --load_weights=<weightPath>

其中videoPath是待检测的视频路径，weightPath有两个选择：model_33和model906_30，前一个的模型是三合一检测，后一个模型是三帧三检。两种检测有什么差别可以去读作者论文。
三合一检测的网络结构长这样，9维输入，1维输出。

完成检测后输出的结果是CSV文件，包含识别到球的帧的帧时间点和球的坐标点。
将检测数据和原视频重合后，就可以得到标记出小球运动的是视频了。

python show_trajectory.py <input_video_path> <input_csv_path>

input_video_path是上一步被检测的视频路径，input_csv_path是上一步检测后生成的csv文件路径。