深度学习和目标检测系列教程 21-300:deepsorts测试小车经过的时间和速度

举报
毛利 发表于 2021/08/28 22:09:26 2021/08/28
【摘要】 @Author:Runsen deepDeepSort DeepSort是一种用于跟踪目标的模型,为每个目标分配 ID,为每一个不同的类别分配label。 在DeepSort 中,过程如下。 使用...

@Author:Runsen

deepDeepSort

DeepSort是一种用于跟踪目标的模型,为每个目标分配 ID,为每一个不同的类别分配label。

在DeepSort 中,过程如下。

  • 使用YOLO 计算边界框(检测)
  • 使用Sort(卡尔曼滤波器)和ReID(识别模型)链接边界框和轨迹
  • 如果无法建立活动链接,则会分配一个新 ID 并将其新添加到track。

deepDeepSort所谓的“检测”是每一帧中的目标列表,“轨迹”是当前被跟踪的列表。

deepsorts项目地址:https://github.com/mikelbrostrom/Yolov5_DeepSort_Pytorch

deepsorts测试小车经过的时间和速度

本次项目代码
参考项目:https://github.com/dyh/unbox_yolov5_deepsort_counting。

该项目封装了deepsorts和yolov5文件,非常易于其他需求的开发,个人在
该项目上进行二次开发。

项目实现目标要求:通过deepsorts测试图中的小车到拐弯是否存在超速的行为。

个人通过Image_Pixel小软件对图片进行标点和标线。一共划分了六条线和六个区域块。

项目的主要结构

由于yolov5模型存在一定的检测异常,因此需要在设置线时,最好设置成小矩形。最后的矩形判断的速度设置为4,也大约是15km/h。

下面是部分具体的测试结果,保存image 和 是否超速的结果写到rabbitmq中。

Fusing layers... 
进入第一块矩形类别: truck | id: 3 | : 碰撞点的坐标 (148, 245) | : time: 9.04
进入第一块矩形类别: truck | id: 3 | : 碰撞点的坐标 (148, 246) | : time: 9.08
进入第一块矩形类别: car | id: 3 | : 碰撞点的坐标 (148, 247) | : time: 9.12
进入第一块矩形类别: truck | id: 3 | : 碰撞点的坐标 (149, 246) | : time: 9.16
进入第一块矩形类别: truck | id: 3 | : 碰撞点的坐标 (149, 246) | : time: 9.2
进入第一块矩形类别: truck | id: 3 | : 碰撞点的坐标 (150, 247) | : time: 9.24
进入第一块矩形类别: truck | id: 3 | : 碰撞点的坐标 (151, 247) | : time: 9.28
进入第二块矩形类别: truck | id: 3 | : 碰撞点的坐标 (161, 258) | : time: 9.96
第一块花费的时间: 0.6800000000000015
进入第二块矩形类别: truck | id: 3 | : 碰撞点的坐标 (162, 258) | : time: 10.0
第一块花费的时间: 0.7200000000000006
进入第二块矩形类别: car | id: 3 | : 碰撞点的坐标 (163, 259) | : time: 10.04
第一块花费的时间: 0.7599999999999998
进入第二块矩形类别: truck | id: 3 | : 碰撞点的坐标 (163, 259) | : time: 10.08
第一块花费的时间: 0.8000000000000007
进入第二块矩形类别: car | id: 3 | : 碰撞点的坐标 (163, 260) | : time: 10.12
第一块花费的时间: 0.8399999999999999
进入第三块矩形类别: truck | id: 3 | : 碰撞点的坐标 (179, 273) | : time: 10.96
第二块花费的时间: 0.8400000000000016
进入第三块矩形类别: truck | id: 3 | : 碰撞点的坐标 (180, 273) | : time: 11.0
第二块花费的时间: 0.8800000000000008
进入第三块矩形类别: truck | id: 3 | : 碰撞点的坐标 (180, 273) | : time: 11.04
第二块花费的时间: 0.9199999999999999
进入第三块矩形类别: truck | id: 3 | : 碰撞点的坐标 (181, 275) | : time: 11.08
第二块花费的时间: 0.9600000000000009
进入第三块矩形类别: truck | id: 3 | : 碰撞点的坐标 (182, 275) | : time: 11.12
第二块花费的时间: 1.0
进入第五块矩形类别: truck | id: 3 | : 碰撞点的坐标 (208, 299) | : time: 12.36
第四块花费的时间: 1.0
进入第五块矩形类别: truck | id: 3 | : 碰撞点的坐标 (235, 325) | : time: 13.48
第五块花费的时间: 1.2400000000000002
进入第五块矩形类别: truck | id: 3 | : 碰撞点的坐标 (235, 326) | : time: 13.52
第五块花费的时间: 1.2400000000000002
进入第五块矩形类别: truck | id: 3 | : 碰撞点的坐标 (237, 327) | : time: 13.56
第五块花费的时间: 1.2400000000000002
进入第五块矩形类别: truck | id: 3 | : 碰撞点的坐标 (238, 328) | : time: 13.6
第五块花费的时间: 1.2400000000000002
进入第五块矩形类别: truck | id: 3 | : 碰撞点的坐标 (238, 329) | : time: 13.64
第五块花费的时间: 1.2400000000000002
进入第五块矩形类别: truck | id: 3 | : 碰撞点的坐标 (240, 329) | : time: 13.72
第五块花费的时间: 1.2400000000000002
进入第五块矩形类别: truck | id: 3 | : 碰撞点的坐标 (241, 329) | : time: 13.76
第五块花费的时间: 1.2400000000000002
离开的时间:: truck | id: 3 | : 碰撞点的坐标 (275, 364) | : time: 16.12
11.904761904761907 10.0 8.064516129032256 7.1428571428571415 4.237288135593218
True
离开的时间:: truck | id: 3 | : 碰撞点的坐标 (276, 364) | : time: 16.16
11.904761904761907 10.0 8.064516129032256 7.1428571428571415 4.166666666666666
True
离开的时间:: truck | id: 3 | : 碰撞点的坐标 (277, 364) | : time: 16.2
11.904761904761907 10.0 8.064516129032256 7.1428571428571415 4.0983606557377055
True
离开的时间:: truck | id: 3 | : 碰撞点的坐标 (277, 365) | : time: 16.24
11.904761904761907 10.0 8.064516129032256 7.1428571428571415 4.032258064516132
True
离开的时间:: truck | id: 3 | : 碰撞点的坐标 (277, 365) | : time: 16.28
11.904761904761907 10.0 8.064516129032256 7.1428571428571415 3.968253968253966
False
离开的时间:: truck | id: 3 | : 碰撞点的坐标 (277, 365) | : time: 16.4
11.904761904761907 10.0 8.064516129032256 7.1428571428571415 3.7878787878787894
False
离开的时间:: truck | id: 3 | : 碰撞点的坐标 (278, 365) | : time: 16.44
速度:11.904761904761907 10.0 8.064516129032256 7.1428571428571415 3.7313432835820874
False

  
 
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • 55
  • 56
  • 57
  • 58
  • 59
  • 60
  • 61
  • 62
  • 63
  • 64
  • 65

附上GIthub:https://github.com/MaoliRUNsen/deepsort-yolov5-car

文章来源: maoli.blog.csdn.net,作者:刘润森!,版权归原作者所有,如需转载,请联系作者。

原文链接:maoli.blog.csdn.net/article/details/119957674

【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。