People_Count

行人越线计数

YOLOv3 论文出处

YOLOv3: An Incremental Improvement

[Paper]
[Original Implementation]

Demo

请查看video.mp4测试视频。

人头检测模型下载

百度云地址 提取:6o6d

项目概述

• 用YOLOv3做人头检测
• 用视频追踪和越线分析做行人越线计数

安装清单

环境

• keras >= 1.4.0
• TensorFlow >= 1.12.0
• dlib

相关参数配置

请查考config文件夹内容

• 本工程采用的时yacs项目配置工具进行配置的，使用该工具非常的边界。为我们以后项目改动和调参提供了很大的便利。

获取代码

git clone git@github.com:iwanggp/People_Count.git
cd People_Count
pip3 install -r piplist.txt --user

测试效果

准备需要越线计数的数据

开始测试

python run.py

可以从output文件夹获得结果.

FPS值及准确度

测试结果

从行人过线的和出现的人数进行比对(私有视频和隐私问题，不适合上传)

测试结果

• 在1080Ti上进行测试，获得测试结果如下.

测试视频	过线人数	出线人数	正确率	FPS
people.avi	87	237	97%	45

TODO

• YOLOv3人头检测模型
• 追踪器的使用
• 人肩检测模型开发
• YOLOv3模型量化处理
• deep sort使用

Credit

@article{yolov3,
	title={YOLOv3: An Incremental Improvement},
	author={Redmon, Joseph and Farhadi, Ali},
	journal = {arXiv},
	year={2018}
}

参考链接

• darknet
• Trainning code
• YOLOv3