行人计数分析

1: 工程模块： 识别和计数

image.png

识别模块是用darkflow（darkflow = darknet + tensorflow）
darknet主要是YOLO模块
YOLO官网 用于做侦测和识别人物，darknet是c语言，darkflow是python。

计数主要是deep_sort／sort模块:
其实这两个模块的区别，作者写的很清楚了

deep_sort is build upon sort , it uses deep encoders to build features for each detected box and match it with it's corresponding box in next frame.

意思是说：deep_sort使用deep encoders去创建特征，将每个侦测的box做帧间对比。

2:代码分析

run.py

FLAGS = argHandler()
FLAGS.setDefaults()

# 输入文件，如果是摄像头就用camera
FLAGS.demo = "test.avi" # video file to use, or if camera just put "camera"
# yolo的配置文件，里面包含网络模型，如果要识别快，可以选择tiny-yolo.cfg
FLAGS.model = "darkflow/cfg/yolo.cfg" # tensorflow model
# yolo训练后的权重文件
FLAGS.load = "darkflow/bin/yolo.weights" # tensorflow weights
# 顾名思义，识别物体的阀值，YOLO中定义的
FLAGS.threshold = 0.25 # threshold of decetion confidance (detection if confidance > threshold )
# 是否选用gpu
FLAGS.gpu = 0 #how much of the GPU to use (between 0 and 1) 0 means use cpu
# 侦测识别
FLAGS.track = True # wheither to activate tracking or not
# 侦测识别的对象
FLAGS.trackObj = "person" # the object to be tracked
# 是否保存成视频
FLAGS.saveVideo = True  #whether to save the video or not
# 是否启用MOG算法，启用的话，可以根据背景的差异做判断，一般情况在像素低的情况开启
FLAGS.BK_MOG = False # activate background substraction using cv2 MOG substraction,
                        #to help in worst case scenarion when YOLO cannor predict(able to detect mouvement, it's not ideal but well)
                        # helps only when number of detection < 5, as it is still better than no detection.
# 深度计数模式
FLAGS.tracker = "deep_sort" # wich algorithm to use for tracking deep_sort/sort (NOTE : deep_sort only trained for people detection )
# 丢帧数
FLAGS.skip = 3 # how many frames to skipp between each detection to speed up the network
# 保存csv文件
FLAGS.csv = True # whether to write csv file or not(only when tracking is set to True)
# 可视化显示box
FLAGS.display = True # display the tracking or not

tfnet = TFNet(FLAGS)
# 开始识别分析计数
tfnet.camera()
exit('Demo stopped, exit.')

运行这个文件，就可以开始工作了。

如果视频处理完毕，会生成一个csv文件，如图：

image.png

其中，第一列是帧的序号，
第二列，也就是红色框，是对应出现的person的ID编号；
基于源码基础上，我另外写了个GetCsvColumn.py，用于提取这里的值并去重，并显示在左上角：gong count：
后四列是x y w h

如何将统计的数量显示在UI上

本人python用的不熟，各位凑合着看；

image.png

修改predict.py

    if self.FLAGS.display:
        cv2.rectangle(imgcv, (int(bbox[0]), int(bbox[1])), (int(bbox[2]), int(bbox[3])),
            (0,255,0), thick//3)
        
        #cv2.putText(imgcv, id_num,(int(bbox[0]), int(bbox[1]) - 12),0, 1e-3 * h, (255,0,255),thick//6)
    
        # show person id
        cv2.putText(imgcv, str(update_csv(int(id_num))), (int(bbox[0]), int(bbox[1]) - 12), 0, 1e-3 * h, (255, 0, 255), thick // 6)
    
        # set font
        font = cv2.FONT_HERSHEY_TRIPLEX
    
        # count the person
        mycount = update_csv(0)
    
        # show to UI,  0,0,255 is red
        cv2.putText(imgcv, 'gong count: '+str(mycount), (10,70),0, 1e-3 * h, (0,0,255),thick//6)

定义一个update_csv方法，得到当前此人的ID和总的人数

def update_csv(count):
    with open(csvfilename, 'rb') as csvfile:
        reader = csv.DictReader(csvfile)
        column = [row['track_id'] for row in reader]
        blist = list(set(column))
        clist = sorted([int(i) for i in blist])
    if count == 0:
        return len(clist)
    else:
        return clist.index(count) + 1

这样，工程就可以跑起来并将结果显示出来了；

个人认为，darkflow主要是将YOLO的C代码改成了python代码
这里面可以优化的地方不多，因为模型已经训练好，不太可能再重新训练模型，而从生成的视频效果看，行人的识别度其实还不错，其准确率不高是由于别的因素（比如 像素，重叠）

darkflow模块，可以重点看下

image.png

deep_sort模块

里面有个resources文件夹，是训练好的网络权重文件
这个可以下载，第三方已经训练好了的

里面一些地方我没细看，希望大家看完分享下。

image.png

前面几个不用看，其中kalman_filter用的是opencv的Kalman filter
参考1
参考2
后面几个可以看下有没有优化的空间
比如：nn_matching.py用到的distance方法

def distance(self, features, targets):
        """Compute distance between features and targets.

        Parameters
        ----------
        features : ndarray
            An NxM matrix of N features of dimensionality M.
        targets : List[int]
            A list of targets to match the given `features` against.

        Returns
        -------
        ndarray
            Returns a cost matrix of shape len(targets), len(features), where
            element (i, j) contains the closest squared distance between
            `targets[i]` and `features[j]`.

        """
        cost_matrix = np.zeros((len(targets), len(features)))
        for i, target in enumerate(targets):
            cost_matrix[i, :] = self._metric(self.samples[target], features)
        return cost_matrix

deep sort 论文分析

3: 一些优化的思路

目前存在的问题主要是：准确率的问题

1. 两个人并行走的时候，容易只识别成一个人
   这个是yolo的缺点，暂时无解
2. 一个人在视频里的角度如果发生变化，比如转身或者侧面
   会识别成多个人（id会增长）

---

附录：MAC上安装OBS：

在MAC OS上，目前无法安装官网下载的OBS的dmg的版本，需要手动编译安装；
官方wiki
git clone完obs-studio后，需要先执行：

git submodule update --init --recursive

xcode运行