YOLOV4+DeepSort車流量檢測基礎版

YOLOV4+DeepSort車流量檢測基礎版

資源下載：

鏈接：https://pan.baidu.com/s/1Mv1VI1Wa5MUaHuKz9hlniQ
提取碼：lmpk
復制這段內容后打開百度網盤手機App，操作更方便哦--來自百度網盤超級會員V4的分享

1.配置Anaconda+Pycharm

參考：https://www.cnblogs.com/shijingwen/p/14181885.html

2.環境配置

在 Anconda Prompt 中，推薦創建新的虛擬環境

# 創建虛擬環境  xxx自己命名
conda create xxx
# 激活虛擬環境
​
# 安裝依賴，這里使用的TensorFlow 2  GPU版
pip install -r requirement-gpu.txt

Tips:

1. 使用tensorflow-gpu版需配置GPU參考：help/pdf/Windows版YOLOv4目標檢測實戰：Windows系統上的軟件安裝，如果不使用tensorflow-gpu使用配置文件：config/requirement.txt
2. requirement-gpu.txt或requirement.txt配置文件放C:\Users\xxxx下

 

 

 例如我的就把配置文件放在C:\Users\xxxx下（Ps:xxxx是我的當前用戶文件位置）

如果網絡不好可以使用國內鏡像， pip install xx -i http://xxx
國內的幾個常用鏡像地址：
豆瓣 ： https://pypi.douban.com/simple
中國科學科技大學 ： https://mirrors.ustc.edu.cn/pypi/web/simple/
清華大學 ：https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple/

3.預訓練模型下載

本demo使用YOLOV4進行目標檢測+DeepSort進行跟蹤。

使用官方預訓練好的目標檢測模型，有80類物體可以檢測。

yolov4.weights：https://drive.google.com/file/d/1cewMfusmPjYWbrnuJRuKhPMwRe_b9PaT/view?usp=sharing

yolov4-tiny.weights（小模型，運行更快但精度略低）：https://drive.google.com/file/d/1ZVmrenfMJBqIWf5f5NAHNBxQw6DNJgvO/view?usp=sharing

Tips:

模型在: model 文件夾下

 4.使用YOLOV4

# 將Darknet權重轉換為Tensorflow模型
python save_model.py --model yolov4 
​
# 在視頻上運行yolov4深度排序對象跟蹤器
python object_tracker.py --video ./data/video/test.mp4 --output ./outputs/demo.avi --model yolov4
​
# 在網絡攝像頭上運行yolov4深度排序對象跟蹤器（將視頻標志設置為0）
python object_tracker.py --video 0 --output ./outputs/webcam.avi --model yolov4

5. 使用YOLOV4-Tiny

# 保存yolov4-tiny模型
python save_model.py --weights ./data/yolov4-tiny.weights --output ./checkpoints/yolov4-tiny-416 --model yolov4 --tiny
​
# 運行yolov4-tiny對象跟蹤器
python object_tracker.py --weights ./checkpoints/yolov4-tiny-416 --model yolov4 --video ./data/video/test.mp4 --output ./outputs/tiny.avi --tiny

6.目標跟蹤的范圍

一般情況下，默認是coco數據集中所有的80個類。可以在

demo/object_tracker.py中更改如下第160和163行位置代碼

Tips:

    # 注釋160,它讀取cocoa .names里的跟蹤類
160 #allowed_classes = list(class_names.values())
<span style="color: #008000;">#</span><span style="color: #008000;"> 自己從80類中選需要的類，這里只允許car類</span>

163 allowed_classes = ['car']

7.命令行參數參考

save_model.py:
  --weights: path to weights file
    (default: './data/yolov4.weights')
  --output: path to output
    (default: './checkpoints/yolov4-416')
  --[no]tiny: yolov4 or yolov4-tiny
    (default: 'False')
  --input_size: define input size of export model
    (default: 416)
  --framework: what framework to use (tf, trt, tflite)
    (default: tf)
  --model: yolov3 or yolov4
    (default: yolov4)
object_tracker.py:
 --video: path to input video (use 0 for webcam)
 (default: './data/video/test.mp4')
 --output: path to output video (remember to set right codec for given format. e.g. XVID for .avi)
 (default: None)
 --output_format: codec used in VideoWriter when saving video to file
 (default: 'XVID)
 --[no]tiny: yolov4 or yolov4-tiny
 (default: 'false')
 --weights: path to weights file
 (default: './checkpoints/yolov4-416')
 --framework: what framework to use (tf, trt, tflite)
 (default: tf)
 --model: yolov3 or yolov4
 (default: yolov4)
 --size: resize images to
 (default: 416)
 --iou: iou threshold
 (default: 0.45)
 --score: confidence threshold
 (default: 0.50)
 --dont_show: dont show video output
 (default: False)
 --info: print detailed info about tracked objects
 (default: False)

 

 Tips: YOLOV4+DeepSort車流量檢測網頁顯示