描述

概述

曾經(jīng)嘗試過計算“多個”快速移動的物體嗎？嗯，這非常困難，而且機會很高，你可能會數(shù)不清。該項目將使您能夠跟蹤此類移動對象并保持其計數(shù)，在本例中為Cars ！

問題陳述

許多檢測模型的問題是它們要么太慢而無法實時使用，要么無法準確地跟蹤快速移動的物體。一種替代方法是在每“n 幀”之后應(yīng)用檢測模型，然后在大多數(shù)幀上使用任何跟蹤算法，因為檢測比跟蹤更昂貴（耗時）。但問題是此類方法不太準確，因為跟蹤算法很容易失去對我們實際目標對象的跟蹤并最終跟蹤不需要的對象，因此用于需要快速推理的應(yīng)用程序不切實際且不可靠。該項目通過使用OpenVINO 工具包實時檢測和跟蹤快速移動的汽車來解決這個問題（即使沒有 GPU）并使用質(zhì)心跟蹤算法來保持檢測到的汽車的不同數(shù)量，所有這些都具有很高的準確性！

安裝

在安裝 OpenVINO 之前，我們需要確保滿足我們的先決條件。名單如下：

• 第 6 至第 10 代 Intel? Core? 處理器和 Intel? Xeon? 處理器
• Python（3.5 到 3.7 之間）
• 帶有 MSBuild 的 Microsoft Visual Studio C++ 2017 或 2019
• CMake 2.8.12 或更高版本

安裝這些后，您可以安裝 OpenVINO。有關(guān)更多說明，請參閱此。

下載 IR 模型

在這個項目中，我們將使用汽車檢測 IR 模型（中間表示）來實時檢測和跟蹤汽車。為此，我們將下載vehicle-detection-adas-0002模型，這是來自英特爾 OpenVINO 的預(yù)訓(xùn)練模型。

要下載它，首先您需要通過轉(zhuǎn)到 初始化 OpenVINO 環(huán)境。打開命令提示符并運行setupvars.bat文件。/bin

運行此命令

?

如果一切順利 ：）

?

如果您遇到一些意外錯誤，請檢查您是否在正確的文件夾中或確保您已按照本文檔設(shè)置了所有內(nèi)容。

然后，將命令提示符中的目錄更改為使用cd命令。你應(yīng)該得到這樣的東西：<>Installation_PATH>/deployment_tools\tools\model_downloader

model_downloader 文件夾中的命令提示符

?

然后運行命令。downloader.py --name vehicle-detection-adas-0002 --precisions FP32-o

運行此命令

?

OpenVINO 下載模型

?

。

• -b ：包含權(quán)重和偏差的.bin 文件
• -x : 包含網(wǎng)絡(luò)拓撲的.xml 文件

這個怎么運作

在我們的代碼中，首先我們將初始化我們的質(zhì)心跟蹤算法對象ct。

在將輸入幀輸入到檢測對象之前，我們需要確保每個幀都具有模型期望的尺寸，在本例中為 [1x3x384x672]，其中 1 是批量大小，3 是通道數(shù)，384 是高度和 672 是寬度。

然后，我們可以對“每個”幀進行檢測，并獲取所有檢測的邊界框的位置，并將其存儲在一個列表中rect，將由一個一個的update方法使用ct。計算的 FPS 即幀/秒被發(fā)現(xiàn)約為 30 FPS（同樣沒有任何 GPU），這對于實時應(yīng)用程序來說非常好。

使用 OpenVINO 約 30 FPS

?

使用MobileNet-SSD模型可提供大約 15 FPS 的幀速率，因此 OpenVINO 實施可提供 100% 更好的性能。

~15 FPS 使用 MobileNet-SSD 模型

?

應(yīng)該注意的是，上面提到的 MobileNet-SSD 模型也被訓(xùn)練來檢測 20 個其他對象，除了可能導(dǎo)致較低幀速率的汽車。但即使我們假設(shè)，與車輛檢測-adas-0002模型相比，它仍然無法準確識別汽車，如下所示。

結(jié)論

該項目可用于實時捕獲與交通相關(guān)的數(shù)據(jù)，這些數(shù)據(jù)可用于進一步分析，以獲得交通管理的可行見解。它還可以被無人機用于對車輛進行空中監(jiān)控以確保安全。