Tutoriel En Ligne | Utilisation De DeepSOCIAL, Un Projet De Célébrités Sur Internet, Pour Surveiller La Distance Sociale
Contenu en un coup d'œil :YOLO v4 est un modèle de détection de cible en temps réel et de haute précision. Ce tutoriel expliquera en détail comment mettre en œuvre la détection de distance de foule dans des conditions multi-cibles basées sur les algorithmes YOLO v4 et SORT. Mots-clés:Détection multi-objets YOLO v4 SORT
Au début de l’épidémie de COVID-19,« Maintenir la distance sociale » a toujours été un « consensus de protection » dans le monde entier.Qu'il s'agisse des 0,9 mètre (au moins) de l'OMS ou des 1,5 à 2 mètres de notre pays, le point de départ est de réduire le risque d'infection en élargissant la distance sociale entre les personnes.
Au cours des trois dernières années, nous avons présenté l’outil d’avertissement de distanciation sociale publié par la société d’Andrew Ng – Landing AI, et avons également fait un rapport sur le « Distance Assistant » lancé par Amazon, qui a attiré l’attention en raison de sa similitude avec le cercle dessiné par Sun Wukong pour Tang Monk. L’espoir est d’utiliser cet outil pour aider les employés à maintenir une distance sociale.
Lire les rapports précédents :
- L'entreprise d'Andrew Ng a publié un outil d'avertissement de distanciation sociale
- L'« assistant à distance » d'Amazon ressemble au cercle que Sun Wukong a dessiné pour Tang Seng.
Aujourd'hui, nous partirons du projet et montrerons comment utiliser DeepSOCIAL, basé sur les algorithmes YOLO v4 et SORT, pour suivre plusieurs cibles et réaliser une surveillance de la distance de la foule.
Portail de codes :
Interprétation du document DeepSOCIAL :
Surveillance de la distance entre les foules DeepSOCIAL Le guide chinois le plus complet sur les documents et les codes sources
Détails du code du projet
Ce tutoriel démontre principalement :
- Compiler YOLO
- Processus de raisonnement pour la surveillance de la distance sociale et l'évaluation des risques d'infection
Note:
- infer.ipynb présente principalement le processus de raisonnement de surveillance de la distance sociale et d'évaluation du risque d'infection. Vous pouvez saisir une vidéo de piétons et obtenir les informations de surveillance et d'évaluation correspondantes.
- Le GPU est recommandé pour l'exécution
Voici le processus de formation complet.
1. Préparez l'environnement de code
# introduit les dépendances de IPython.display importer affichage, Javascript, Image à partir de base64 importer b64decode, b64encode importer os importer cv2 importer numpy comme np importer PIL importer io importer html importer time importer matplotlib.pyplot comme plt %matplotlib en ligne
2. Compiler YOLO
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
!faire
3. Utilisation de l'interface Python de Darknet
Pour voir le code complet, veuillez visiter :
4. Utilisez l'algorithme SORT pour suivre la cible en temps réel
!pip install filterpy à partir de l'importation de tri * mot_tracker = Sort(max_age=25, min_hits=4, iou_threshold=0.3)
5. Paramètres d'entrée
Entrée = "/openbayes/input/input1/OxfordTownCentreDataset.avi" Facteur de réduction = 2 Calibrage = [[180,162],[618,0],[552,540],[682,464]]
6. Présentation des paramètres et des fonctions DeepSOCIAL
Pour voir le code complet, veuillez visiter :
7. Processus de raisonnement
8. Présentation des résultats
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')
Pour consulter le carnet complet, visitez :
À propos d'OpenBayes
OpenBayes est une institution de recherche de premier plan en intelligence artificielle en Chine.Fournit un certain nombre de services de base liés au développement de l'IA, notamment des conteneurs de puissance de calcul, une modélisation automatique et un ajustement automatique des paramètres. Dans le même temps, OpenBayes a également lancé de nombreuses ressources publiques grand public telles que des ensembles de données, des tutoriels et des modèles.Pour que les développeurs apprennent rapidement et créent des modèles d’apprentissage automatique idéaux.
Visitez openbayes.com et inscrivez-vous maintenant Profitez-en maintenant 600 minutes/semaine sur RTX 3090 Et 300 minutes/semaine de temps de calcul CPU gratuit
Pour exécuter le didacticiel complet, cliquez surLire l'article original, ou visitez le lien suivant :
Si vous souhaitez apprendre des tutoriels intéressants, veuillez laisser un message pour nous le dire~
-- sur--