• YOLOV4_Pedestrian_Tracking_and_Social_Distance_Judgment_video
• • 前置条件
  • 样例准备
  • 样例运行
  • 查看结果
  • 常见错误

仅供学习使用，不保证精度，请不要用于商业或其他营利活动！

本README只提供命令行方式运行样例的指导。

YOLOV4_Pedestrian_Tracking_and_Social_Distance_Judgment_video

功能介绍：使用YOLOv4模型对视频进行预测推理，输出带有推理结果的视频文件。这里提供两种功能：

1. 对输入视频中的行人进行检测、跟踪，绘制运行轨迹和判断行人间的社交距离，并给予风险提示，此外，还提供当前画面行人数量，通过视频指定位置的行人数量和总计行人数量的统计；
2. 对输入视频进行目标检测（支持COCO数据集的80类目标检测）。

样例输入：视频文件。
样例输出：带推理结果的视频文件。

前置条件

请检查以下条件要求是否满足，如不满足请按照备注进行相应处理。如果CANN版本升级，请同步检查第三方依赖是否需要重新安装（5.0.4及以上版本第三方依赖和5.0.4以下版本有差异，需要重新安装）。

条件	要求	备注
CANN版本	>=5.0.4	请参考CANN样例仓介绍中的安装步骤完成CANN安装，如果CANN低于要求版本请根据版本说明切换samples仓到对应CANN版本
硬件要求	Atlas200DK/Atlas300(ai1s)	当前已在Atlas200DK和Atlas300测试通过，产品说明请参考硬件平台 ，其他产品可能需要另做适配
第三方依赖	opencv,python-acllite	请参考第三方依赖安装指导（python样例）选择需要的依赖完成安装

样例准备

1. 获取源码包。

   • 命令行方式下载。

     # 开发环境，非root用户命令行中执行以下命令下载源码仓。    
     cd ${HOME}     
     git clone https://git.openi.org.cn/tjulitianyi/YOLOV4_Pedestrian_Tracking_and_Social_Distance_Judgment_video.git
     

   • OBS下载。下载链接为：

     # 暂未提供
     

   • 百度网盘方式下载。下载链接为：

     暂未提供
     

   特别说明：本样例已经包含了模型和测试视频，可直接运行。

2. 获取此应用中所需要的原始网络模型。

   模型名称	模型说明	模型下载路径
   yolov4	基于onnx-YOLOV4的目标检测模型。	请参考https://www.hiascend.com/zh/software/modelzoo/detail/1/abb7e641964c459398173248aa5353bc 下载原始模型。

   # 为了方便下载，在这里直接给出原始模型下载及模型转换命令,可以直接拷贝执行。也可以参照上表在modelzoo中下载并手工转换，以了解更多细节。     
   cd ${HOME}/YOLOV4_Pedestrian_Tracking_and_Social_Distance_Judgment_video/model    
   wget https://temp-dataset.obs.cn-north-4.myhuaweicloud.com:443/cann/temp/yolov4_dynamic_bs.onnx  
   atc --model=./yolov4_dynamic_bs.onnx --framework=5 --output=yolov4_bs1 --input_format=NCHW --soc_version=Ascend310 --input_shape="input:1,3,608,608" --out_nodes="Conv_434:0;Conv_418:0;Conv_402:0"
   

   若上述方法无法下载，可到百度网盘下载。下载链接为：
   链接：https://pan.baidu.com/s/1zFrrbOwK0_EKRZva2RIhRQ?pwd=a3bl
   提取码：a3bl

3. 获取样例需要的测试视频。

   # 执行以下命令，进入样例的data文件夹中，下载对应的测试图片。
   cd $HOME/YOLOV4_Pedestrian_Tracking_and_Social_Distance_Judgment_video/data
   wget https://temp-dataset.obs.cn-north-4.myhuaweicloud.com:443/cann/temp/camera0.mp4
   cd ../src
   

   若上述方法无法下载，可到百度网盘下载。下载链接为：
   链接：https://pan.baidu.com/s/1mzEjAAkEqIsuwVBPGtUbTA?pwd=xcft
   提取码：xcft

样例运行

注：开发环境与运行环境合一部署，请跳过步骤1，直接执行步骤2即可。

1. 执行以下命令,将开发环境的 **YOLOV4_Pedestrian_Tracking_and_Social_Distance_Judgment_video ** 目录上传到运行环境中，例如 /home/HwHiAiUser，并以HwHiAiUser（运行用户）登录运行环境（Host）。

   # 【xxx.xxx.xxx.xxx】为运行环境ip，200DK在USB连接时一般为192.168.1.2，300（ai1s）为对应的公网ip。
   scp -r $HOME/YOLOV4_Pedestrian_Tracking_and_Social_Distance_Judgment_video HwHiAiUser@xxx.xxx.xxx.xxx:/home/HwHiAiUser
   ssh HwHiAiUser@xxx.xxx.xxx.xxx
   cd ${HOME}/YOLOV4_Pedestrian_Tracking_and_Social_Distance_Judgment_video/src
   

2. 运行工程。

   （1）对输入视频进行目标检测（支持COCO数据集的80类目标检测）。

   python3.6 yolov4.py ../data/camera0.mp4 0
   

   （2）对输入视频中的行人进行检测、跟踪，绘制运行轨迹和判断行人间的社交距离，并给予风险提示，此外，还提供当前画面行人数量，通过视频指定位置的行人数量和总计行人数量的统计。

   python3.6 yolov4.py ../data/camera0.mp4 1
   

查看结果

运行完成后，输出视频存在out目录下（注意输出视频默认与输入视频名称一致，若多次运行或运行不同功能会覆盖之前结果）。

对输入视频进行目标检测（支持COCO数据集的80类目标检测）的演示视频

对输入视频进行目标检测，支持COCO数据集的80类目标检测，会对检测目标绘制矩形框并在框的左上角显示类别。

对输入视频中的行人进行检测、跟踪，绘制运行轨迹和判断行人间的社交距离，并给予风险提示，此外，还提供当前画面行人数量，通过视频指定位置的行人数量和总计行人数量的统计的演示视频

对输入视频中的行人进行检测、跟踪，绘制运行轨迹和判断行人间的社交距离，并给予风险提示，如果行人距离过近，会提示“High Risk"，远离后会显示“Low Risk”，此外，还在视频左上角提供当前画面行人数量，通过视频指定位置（默认设定为视频中间，颜色为绿色）的行人数量和总计行人数量的统计；

常见错误

请参考常见问题定位对遇到的错误进行排查。如果wiki中不包含，请在samples仓提issue反馈。