前言

知道大家最关心有没有开源代码了？当然是有了，不仅有代码，连模型一并奉上，请访问如下方案链接，获取完成方案：

https://git.openi.org.cn/tjulitianyi/YOLOV4_Pedestrian_Tracking_and_Social_Distance_Judgment_video_CANN

目前方案是基于昇腾官方仓库案例进行的二次开发，参考了众多开源代码，因不能一一记清，未能在这里列出具体作者，特表示感谢。方案使用的是acllite库，编程语言是Python，已在ECS（x86 + Ascend 310）等云服务器侧做部署验证，欢迎大家体验，找Bug，提issue和PR。

特别说明：方案仅供学习使用，不保证精度，请不要用于商业或其他营利活动！

方案介绍

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。

结果展示

功能1 结果展示

更为详细的视频展示，请访问如下链接：

https://www.bilibili.com/video/BV19v4y1g73y/?vd_source=092c0569d08eeb664f58b8b0c4c4089b

功能2 结果展示

更为详细的视频展示，请访问如下链接：

https://www.bilibili.com/video/BV1h3411u7N1/?vd_source=092c0569d08eeb664f58b8b0c4c4089b

环境说明

你是否担心自己没有硬件设备或配置好的环境，不需要担心，最近昇腾社区举办的“【CANN体验官第五期】”活动，可以完美解决你的问题，如果你报名该活动，就可以申请代金券和得到官方推送的镜像环境，不需要额外的花费，就可以直接运行本方案了。这里提供上述活动链接（绝非特意打广告哈！）：

https://bbs.huaweicloud.com/forum/thread-189980-1-1.html

运行说明

环境配置

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）。

方案准备

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
     

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

方案运行

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。

特别说明

本方案尽量详细描述操作，但可能还是有些不足，如果大家运行中遇到什么问题，或者觉得README有需要修改的地方，可以直接在仓库提issue或PR。当然，也可以直接在本帖下方回复，期待各位大佬的批评指正，谢谢。

未完待续…