基于Yolov4的行人检测、行人距离估计、多目标跟踪系统

Overview

DeepSOCIAL: Social Distancing Monitoring and Infection Risk Assessment in COVID-19 Pandemic

Open access paper: https://www.mdpi.com/2076-3417/10/21/7514 & https://doi.org/10.3390/app10217514

1 克隆代码和编译测试环境

1.1 克隆仓库代码

git clone

1.2 编译darknet

1、先进入编译目录

cd DeepSocial/darknet

2、根据自己是否有GPU修改Makefile文件

vim Makefile

我修改后内容为如下:

GPU=1
CUDNN=1
CUDNN_HALF=1
OPENCV=1
AVX=1
OPENMP=1
LIBSO=1
ZED_CAMERA=0
ZED_CAMERA_v2_8=0

3、开始编译

因为是我在自己本地是编译过得,因重新编译之前,先执行一下sudo make clean,删除之前编译生成的文件!

sudo make clean sudo make

注意:

如果编译报错:/bin/sh:nvcc not found

解决方式(参考):

1)查看nvcc可执行文件的路径

which nvcc

2)修改Makefile文件中的NVCC=nvcc,把nvcc替换为上面查询到的nvcc可执行文件的路径

NVCC=/usr/local/cuda/bin/nvcc

nvcc error

4、验证环境

验证环境有两种方式:

  • 使用编译的darknet可执行文件
  • 使用darknet接口API

使用编译的darknet可执行文件

./darknet detector test ./cfg/coco.data ./cfg/yolov4.cfg ../weights/DeepSocial.weights data/dog.jpg -i 0 -thresh 0.25

  • 使用darknet接口API

python image_yolov4.py

环境如果没有问题,你会看如如下如的预测结果:

predictions

2 程序运行

1、下载测试视频,测试视频放到DeepSocial/Images目录下

用到的测试数据是牛津市中心(Oxford Town Center)采集的一段视频,5分钟的长度

2、下载预训练的模型,下载模型放到weights目录下

3、运行测试程序

python Yolov4_DeepSocial.py

测试效果如下:

输出gif动图:

ffmpeg -i OxfordTownCentreDataset.avi -ss 00:00:05.0 -t 00:00:15.0 -s 800*450 -r 15 OxfordTownCentreDataset.gif

You might also like...
Owner
null