37 lines
2.6 KiB
Markdown
37 lines
2.6 KiB
Markdown
|
# 客流统计算法（Python）
|
|||
|
|
|
|||
|
|
## 概述
|
|||
|
|
这是一个基于YOLOV8的客流统计算法。该算法利用摄像头实时捕获监控画面，通过画拌线的方式规定越线区域，结合YOLOV8中的行人检测和行人跟踪算法，实现门店客流的准确统计。
|
|||
|
|
|
|||
|
|
## 环境配置
|
|||
|
|
python==3.10
|
|||
|
|
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118(GPU环境)
|
|||
|
|
pip install ultralytics==8.0.170
|
|||
|
|
pip install onnx==1.14.1
|
|||
|
|
pip install onnxruntime==1.15.1
|
|||
|
|
|
|||
|
|
## 运行说明
|
|||
|
|
配置好运行环境之后,运行find_region_and_exec.py文件,运行该py文件会弹出文件选择窗口，在此窗口选择要进行跟踪检测的视频文件（仅支持.mp4 .avi .mov且视频编码正确的视频），然后程序会播放该视频,敲击键盘空格键，视频会暂停播放并进入编辑界面,然后就可以在画面上划定区域了。按照下面的步骤进行区域划定:
|
|||
|
|
|
|||
|
|
1. 鼠标左键点击选点
|
|||
|
|
|
|||
|
|
2. 选两个点之后（两个点自动连线）,自动退出编辑页面，然后等待一段时间系统自动弹窗
|
|||
|
|
|
|||
|
|
|
|||
|
|
## 注意说明
|
|||
|
|
1. 运行find_region_and_exec.py进入编辑页面，在视频中选两个点连线之后，程序会自动退出，此时不是程序有bug，相反程序是在正常执行，等待一段时间之后又会弹窗显示，此时才是按照画的线统计人流量。
|
|||
|
|
|
|||
|
|
2. 目标跟踪是建立在目标检测的基础之上，非常耗费算力，有gpu一定要用gpu推理，特别注意：如果没有英伟达显卡,视频或者摄像头实时推理速度会很慢很慢,但是如果有显卡推理速度还是很慢,检查自己的环境pytorch是不是装成了cpu版本的,要安装成gpu版本的torch推理速度才会快
|
|||
|
|
|
|||
|
|
3. 推理速度非常慢,如何加速。有以下几点优化建议：
|
|||
|
|
|
|||
|
|
(1) 有gpu要用gpu推理;
|
|||
|
|
|
|||
|
|
(2) 加载更小的yolo8模型(yolo8n、8s、8m、8l、8x模型权重依次增大,检测精度依次高,推理速度依次减慢,速度与精度不可兼得);
|
|||
|
|
|
|||
|
|
(3) 替换追踪算法，
|
|||
|
|
|
|||
|
|
yolo8中内置了byte-tacker与BoT-Sort两个多目标检测算法,这两个算法与经典的Sort、DeepSort相比检测速度快，但检测精度不如这两个经典算法。
|
|||
|
|
可以考虑替换yolo8内置的目标跟踪算法为DeepSort算法或者Sort算法，但要权衡检测速度与精度互相矛盾的问题.
|
|||
|
|
|
|||
|
|
4. 如何提高检测精度、跟踪精度：加载更大的yolo8模型(yolo8n、8s、8m、8l、8x模型权重依次增大,检测精度依次增高,但速度与精度不可兼得);yolo8中内置了byte-tacker与BoT-Sort两个多目标检测算法,Bot-Sort算法精度更高
|