YOLOv5和DeepSORT的智能交通流量监测系统

2024-07-22

计算机视觉

字数统计: 735 | 阅读时长≈ 3 分钟

一、Yolov5的环境搭建

（1）软硬件配置：

1）软件配置：

python版本（3.9.7）+pytorch版本（2.0.0+cu117）+anaconda

2）硬件配置：Window 10（64位）+Nvidia Geforce 1080ti

（2）需要安装的包：

1）依赖库，用下面命令安装：

1	pip install -r requirements.txt

2）opencv、torchreid等手动安装，直接pip install xxx即可。

（3）问题和解决方法：

1）遇到报错“UserWarning: Cython evaluation (very fast so highly recommended) is unavailable, now use python evaluation.”

解决方法：

1	pip install Cython

2）遇到报错“AttributeError: module ‘numpy‘ has no attribute ‘float‘“

解决方法：

1	pip install 更低版本的numpy(最好是和python版本对应的)

3）遇到报错no module named “torchreid”

1	不要pip install torchreid

1	pip install https://github.com/KaiyangZhou/deep-person-reid/archive/master.zip

遇到网络错误，就直接本地下载，然后pip install；

遇到C++报错，如下：

解决方法：Visual Studio 官网地址

勾选使用C++的桌面开发这个组件再运行上面的命令就解决了。

二、代码介绍

代码地址：https://github.com/Lucki-ly/High-speed-video-detection

这里介绍修改的内容：（1）main.py；（2）webui.py

main和webui功能上差别不大，区别在于前者是做程序命令，运行完就没了；后者是一个UI界面，可以一直提交任务。

整个代码分为detect函数和一个主函数，我改的是detect函数。所以我把detect代码分为这三大块：

1）初始化代码（包括deepsort模型、数据加载器、追踪器等）；

2）数据处理（预测、NMS非极大值抑制、检测结果后处理）；

1、在代码的开头定义一个全局字典，用于存储识别结果和计数：

1 2	global count_dict count_dict = {}

2、对线宽进行增大，可视化更可观。

1	annotator = Annotator(im0, line_width=10, pil=not ascii) #标签处理

3）可视化

show_vid显示视频参数、save_vid保存视频参数和打印结果，可视化改动比较大，也是主要的任务：

1、对于show_vid显示视频参数：

a）动态显示当前检测到的每种类别的数量：

y_offset = 120
for class_name, count in count_dict.items():
    cv2.putText(im0, f'{class_name}: {count}', (10, y_offset), cv2.FONT_HERSHEY_SIMPLEX, 6, (0, 255, 0), 5)
    y_offset += 200

b）创建一个用于显示的缩放图像：

display_scale_percent = 25  # 调整显示窗口的缩放比例
display_width = int(im0.shape[1] * display_scale_percent / 100)
display_height = int(im0.shape[0] * display_scale_percent / 100)
display_dim = (display_width, display_height)
im0_display = cv2.resize(im0, display_dim, interpolation=cv2.INTER_AREA)
            
cv2.imshow(str(p), im0_display)
cv2.waitKey(1)  # 1 millisecond

2、对于save_vid保存视频参数：

# yield imres,im
if vid_path[i] != save_path:  # new video
	vid_path[i] = save_path
	if isinstance(vid_writer[i], cv2.VideoWriter):
		vid_writer[i].release()  # release previous video writer
	if vid_cap:  # video
		fps = vid_cap.get(cv2.CAP_PROP_FPS)
		w = int(vid_cap.get(cv2.CAP_PROP_FRAME_WIDTH))
		h = int(vid_cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
	else:  # stream
		fps, w, h = 30, im0.shape[1], im0.shape[0]
	save_path = str(Path(save_path).with_suffix('.mp4'))  # force *.mp4 suffix on results videos
	vid_writer[i] = cv2.VideoWriter(save_path, cv2.VideoWriter_fourcc(*'mp4v'), fps, (w, h))
vid_writer[i].write(im0)

3、删掉了Count_obj函数。

三、运行方法

1 2	cd xxx\Vedio\code\VehicleCountor python main.py --save-vid --output \xxx\xxx\1\Vedio\code\VehicleCountor\inference\output