ModelArts与Atlas 200 DK的云端协同——对视频中的进行行人检测和跟踪Demo（附代码）

 首先给大家看一下最终展示效果：

知道大家最想看到的是代码吧，直接上代码链接：

链接：https://pan.baidu.com/s/143uZO0B3-qCXPVKoA1CwCQ 

提取码：ajwp

 PS：这一版代码很粗糙，有很多地方是当时为了调试而加入的代码或测试视频之类的，并没有做整理，非常抱歉，拖延症晚期，而且Atlas 200 DK开发板同学在用，我也无法进行调试整理，再次致歉，同时需要注意的是，这版代码的结果和上面视频有些出入，比如进行人数统计的时候，黄线会错位，可能看不见，这需要在代码中调整，我后期会整理的。但经过测试，正常运行是没问题的。不过需要安装scipy和filterpy。scipy安装方法可参考帖子：https://bbs.huaweicloud.com/forum/thread-65980-1-1.html   安装filterpy的方法类似。

项目部署方法基本和官方案例头部姿势案例一致，不过最终是生成.avi视频和图片作为结果，不是推流到PC端展示哦。官方头部姿势检测案例的部署教程链接：https://gitee.com/Atlas200DK/sample-README/tree/master/sample-headposeestimation-python

这里特别感谢昵称为hiCrystal的同学，感谢她在这个案例中所做的测试和调试工作，非常感谢。

如果大家对这个案例有什么问题，或者运行出现问题，可以私信我哦，我会尽量和大家一起解决，但我能力有限，希望大家海涵。

        基于Atlas 200 DK 的行人检测和跟踪Demo——ModelArts与Atlas 200 DK的云端协同实现，从创建数据集到模型训练，再到得到Ascend 310推理使用的.om模型都可在ModelArts上完成，得益于ModelArts提供的强大算力，可以让个人开发者很轻松地完成训练任务。同时，ModelArts也提供了很多很好的预置算法和AI市场中官方发布的算法，涵盖目前主流方向，大家有机会可以试试，免费订阅哦。

        这里使用自己基于公开数据集VOC 2007制作的行人数据集，由2473张图片组成，11592个行人框标注（数据集有点小，后期会考虑使用更大的数据集训练，提高性能），使用AI市场的yolov3-resnet18算法，在Ascend ９10上训练了约５个小时，下载到本地，使用MindStudio转为.om模型，具体模型转换的细节主要是：

先要说明的是模型要求输入为RGB三通道的图像。大体要注意一下细节：

1. 色域转换（可选）。色域转换是为了得到模型要求的RGB格式，这一步可以在模型转换中用AIPP完成，也可以直接跳过，在代码中完成。

2. 归一化操作。即每个像素除以255，这里是乘以1/255，约为0.0039216，来完成归一化操作。

而在得到模型推理结果后，对推理结果进行解析的代码，则主要参考了AI市场中yolov3-resnet18算法的线上部署推理代码，实现行人检测。而其后面的行人跟踪，则是基于GitHub开源项目，使用Sort算法对检测到的行人做跟踪，同时加入了行人人数统计，可统计当前画面行人数量（如视频中左上角第一行所示），自视频开始时的总人数（如视频中左上角第三行所示），以及通过画面中黄线的行人数量（如视频中左上角第二行所示），还可以简单描绘行人轨迹。

        整体来说，这个Demo比较粗糙，主要是基于官方案例头部姿势识别做的修改，还有很多改进空间，希望大神不要见怪，我会尽力改进的，谢谢。目前代码有些乱，后期整理后放在GitHub和码云上，供大家参考，期待大家来watch、star、fork。是的，是的，是的，我已经有好几个to do list了，可是最近有点忙，直接上传到GitHub和码云有不太行，因为代码太不优雅了，我无法忍受给别人看我不优雅的代码，我会尽快整理好，上传的，一定，一定，会在本帖或者再发帖子给出代码的，欢迎各位Atlas 200 DK或者HiLens小伙伴尝试呀，因为Atlas 200 DK或者HiLens都是基于Ascend 310的主打推理的设备，应该都可以的。