Seguimiento de peatones en vídeo multicanal
1. Descripción
Todos los códigos de este experimento se han verificado en el entorno instalado de ubuntu 18.04 + OpenVINO 2020R3.LTS. Si se requiere la portabilidad del código, asegúrese de comprobar si la configuración del entorno es la misma que la de este entorno de experimento.
2 El propósito del experimento
1. Familiarizado con el principio de procesamiento de video multicanal de OpenVINO.
2. Domine el método de procesamiento de video multicanal usando OpenVINO.
3 Contenido de la tarea
1. Aprenda el principio del procesamiento de video multicanal de OpenVINO.
2. Utilice OpenVINO para el procesamiento de video multicanal.
4 Principio experimental
En la aplicación práctica de la identificación dinámica de video, el centro de monitoreo a menudo necesita recibir y procesar datos de video de muchas fuentes en tiempo real, incluidos flujos de video recopilados por varios terminales de monitoreo y flujos de video que deben analizarse para un análisis secundario. Por lo tanto, el sistema de reconocimiento dinámico de video inteligente debe admitir el análisis de razonamiento dinámico del video multicanal.
Basado en OpenVINO, se puede realizar una videovigilancia multicanal inteligente. Los algoritmos de reconocimiento de imagen y video relevantes se utilizan para procesar la información de video de forma rápida y masiva en forma de inteligencia artificial. El proceso de reconocimiento de video multicanal es el siguiente (tomando personal reconocimiento como ejemplo).
El proceso de identificación es el mismo que el de la tarea 1, y el código principal se introduce de la siguiente manera:
El código principal del reconocimiento de video multicanal es la clase MulticamCapture. En esta clase, para cada canal de video o cada cámara, se declara un objeto VideoCapture y se establecen las propiedades relevantes del objeto, y se procesa el reconocimiento de video de un solo canal. El flujo se llama a través de este objeto para el análisis de inferencia y el procesamiento posterior. Este experimento se basa en OpenVINO para reconocimiento inteligente de video multicanal.
5 pasos de operación
Paso 1
Inicie sesión en la plataforma experimental, ingrese al entorno experimental y abra la terminal.
Paso 2
Ejecute el comando su, ingrese la contraseña de usuario raíz root@openlab y cambie al directorio raíz.
Paso 3
Ejecute el siguiente comando para inicializar el conjunto de herramientas de OpenVINO.
# source /opt/intel/openvino/bin/setupvars.sh
Paso 4
Ejecute el comando cd ~/51openlab/06/exercise-2/ para ingresar al directorio de ejercicio-2.
Paso 5
Ejecute el siguiente comando para ver los archivos de video multicanal predeterminados.
# cd Videos
# ll
Paso 6
: Ejecute el siguiente comando para ver el archivo modelo para la detección y el reconocimiento de personas.
# cd ../models/
# ll
Paso 7
: Ejecute el siguiente comando para volver al directorio del ejercicio 2 para realizar la detección y el seguimiento del personal de un solo segmento de video.
# cd ..
# python3 multi_camera_multi_person_tracking.py --m_detector models/person-detection-retail-0013.xml --m_reid models/person-reidentification-retail-0300.xml --config config.py -i Videos/video2.avi
Paso 8
Mueva el mouse a la esquina inferior derecha de la ventana de video y arrástrelo para ver el video completo.
Paso 9
: Ejecute el siguiente comando para guardar el video resultante de la detección y el seguimiento de personas en el archivo de salida con las opciones no_show y salida.
# python3 multi_camera_multi_person_tracking.py --m_detector models/person-detection-retail-0013.xml --m_reid models/person-reidentification-retail-0300.xml --config config.py -i Videos/video2.avi --no_show --output out.avi
Paso 10
Ejecute el siguiente comando para ver y reproducir el archivo de salida.
# ll
# gst-play-1.0 out.avi
Paso 11
: Ejecute el siguiente comando para detectar y rastrear personas en múltiples videos.
# python3 multi_camera_multi_person_tracking.py --m_detector models/person-detection-retail-0013.xml --m_reid models/person-reidentification-retail-0300.xml --config config.py -i Videos/video1.avi Videos/video2.avi Videos/video3.avi
Paso 12
Mueva el mouse a la esquina inferior derecha de la ventana de video y arrástrelo para ver el video completo.