内容一览:YOLO v4 是一个实时的、高精度的目标检测模型,本教程将详细讲解如何基于 YOLO v4 和 SORT 算法,实现在多目标条件下的人群距离检测。 关键词:YOLO v4 SORT 多目标检测
新冠疫情爆发初期,「保持社交距离」一直是世界各地的「防护共识」,无论是 WHO 的至少 3 英尺(0.9 米),还是我国的 1.5-2 米,其出发点都是希望通过扩大人与人之间的社交距离,降低感染风险。
在过去三年中,我们曾介绍过吴恩达的公司–Landing AI,发布的社交距离警告工具,也报道过亚马逊推出的「距离助手」,因为类似孙悟空给唐僧画的圈引发关注,希望借助这一工具帮助员工保持社交距离。
阅读以往报道:
今天我们将从项目出发,演示如何利用 DeepSOCIAL,基于 YOLO v4 和 SORT 算法,对多目标进行跟踪从而实现人群距离监测。
代码传送门:
DeepSOCIAL 论文解读:
人群距离监测 DeepSOCIAL 最全汉化论文+源码导读
本教程主要演示:
注意事项:
以下为完整训练过程。
# 引入依赖 from IPython.display import display, Javascript, Image from base64 import b64decode, b64encode import os import cv2 import numpy as np import PIL import io import html import time import matplotlib.pyplot as plt %matplotlib inline
%cd darknet !sed -i 's/OPENCV=0/OPENCV=1/' Makefile !sed -i 's/GPU=0/GPU=1/' Makefile !sed -i 's/CUDNN=0/CUDNN=1/' Makefile !sed -i 's/CUDNN_HALF=0/CUDNN_HALF=1/' Makefile !sed -i 's/LIBSO=0/LIBSO=1/' Makefile
!make
查看完整代码,请访问:
!pip install filterpy from sort import * mot_tracker = Sort(max_age=25, min_hits=4, iou_threshold=0.3)
Input = "/openbayes/input/input1/OxfordTownCentreDataset.avi" ReductionFactor = 2 calibration = [[180,162],[618,0],[552,540],[682,464]]
查看完整代码,请访问:
show_video('/openbayes/home/darknet/DeepSOCIAL_Crowd_Map.mp4')
show_video('/openbayes/home/darknet/DeepSOCIAL_DTC.mp4')
show_video('/openbayes/home/darknet/DeepSOCIAL_Social_Distancing.mp4')
查看完整 notebook,请访问:
OpenBayes 是国内领先的机器智能研究机构,提供算力容器、自动建模、自动调参等多项 AI 开发相关的基础服务。 同时 OpenBayes 还上线了数据集、教程、模型等众多主流公开资源,供开发者快速学习并创建理想的机器学习模型。
现在访问 openbayes.com 并注册 即可享用 600 分钟/周的 RTX 3090 以及 300 分钟/周 的 CPU 免费计算时
运行完整教程,请点击阅读原文,或访问以下链接:
还想学习哪些好玩的教程,欢迎留言告诉我们~
—— 完 ——