git clone https://github.com/AlvinFok/TraceTalk.git

cd TraceTalk
git clone https://github.com/AlexeyAB/darknet.git
git clone https://github.com/ifzhang/ByteTrack.git

進入darknet資料夾，並根據本身電腦環境，編輯Makefile檔案

參考:

GPU=1
CUDNN=1
CUDNN_HALF=1
OPENCV=1
AVX=0
OPENMP=0
LIBSO=1
ZED_CAMERA=0
ZED_CAMERA_v2_8=0

接著進行編譯

make

可先自行安裝python虛擬環境

依ByteTrack 指示安裝ByteTrack

yolox 版本使用bytetrack_x_mot17.pth.tar

pip install -r requirements.txt
python3 test_BYTE_YOLOX.py --video 0325__12__1.mp4 -f ByteTrack/exps/example/mot/yolox_x_mix_det.py
 -c ByteTrack/pretrained/bytetrack_x_mot17.pth.tar --fp16 --fuse

執行完成後，會自動產生demo資料夾，儲存辨識結果

numpy>=1.20到以下位置把np.float->float

ByteTrack/yolox/tracker/byte_tracker.py
ByteTrack/yolox/tracker/matching.py

YoloTalk 提供許多參數可供設置。 修改YoloDevice物件內的參數，以符合自己的需求。

編輯 main.py

• config_file (string)： config 檔案路徑
• data_file (string)： data 檔案路徑
• weights_file (string)： weight 檔案路徑
• output_dir (string)： 輸出結果的路徑 (若路徑不存在，則會自動建立)
• thresh (int): 辨識靈敏度 (範圍 0~100)
• video_url (string)： 欲辨識的影像 (影片路徑或串流影像網址)
• is_threading (bool)： 若為影片，則設為 False; 若為即時串流影像，則設為 True
• vertex (list or None)： 若欲辨識特定範圍，則輸入辨識位置，如 [(0,0),(100,0),(100,100),(0,100)]。若欲辨識全部範圍，則設為 None
• target_classes(list or None)： 若欲辨識特定的class名稱，則設置 如 ["person"]。若欲辨識全部class，則設為 None (設為None，開啟obj_trace暫時有bug)
• alias (string)：設置此影片的別名 (為辨識結果資料夾及影片命名)
• display_message (bool)： 若欲於 Terminal 顯示相關資訊，則設為 True，否則設為 False
• obj_trace (bool)： 若欲開啟物件追蹤，則設為 True，並於 on_data() 回傳 id 名稱。否則為 False。
• save_img (bool)： 若欲將辨識結果存成照片，則設 True。否則設 False
• save_video (bool)： 若欲將辨識結果存成影像，則設為True。否則設為 False
• auto_restart (bool): 若當無法讀取串流影像時，想自動重新啟動程式，則設為True。否則設為False。

tools/track2txt.py

python3 tools/track2txt.py -f ByteTrack/exps/example/mot/yolox_x_mix_det.py -c ByteTrack/pretrained/bytetrack_x_mot17.pth.tar --fp16 --fuse --path video --savePath .

tools/track2txtParllal.py

python3 tools/track2txtParllal.py --videos videoFolder --savePath txtFolder --thread n

tools/test_BYTE_YOLOX.py

python3 tools/test_BYTE_YOLOX.py --video video -f ByteTrack/exps/example/mot/yolox_x_mix_det.py -c ByteTrack/pretrained/bytetrack_x_mot17.pth.tar --fp16 --f
use --txt --txtFile txtFile --exp exp_name

tools/testParllal_BYTE_YOLOX.py

python3 tools/testParllal_BYTE_YOLOX.py --videoFolder videoFolder --txt --txtFolder txtFolder --thread n --exp exp_name

SFDB-I : list of bboxes in Json format[class, score, (x, y, w, h)] Trace-I : list of bboxes with ID in Json format[class, score, (x, y, w, h), id]

Chose the IDF you need, you can detect more than one object ( take yPerson-I for example ).

IoTtalk GUI connection example:


1. Use your LINE account to sign in LINE Notify. 點選 Generate token

2. Set token name and chose the chat group which will get message from LINE Notify.

3. Make sure to remember the access token.

4. vim LineNotify.py past the token in token_key = ''

修改以下對應參數

ServerURL = 'https://edgecore.iottalk.tw' # set the url to your own iottalk server   
Reg_addr = '555642434' # if None, Reg_addr = MAC address
DAN.profile['dm_name']='Yolo_Device'
DAN.profile['df_list']=['yPerson-I',]
DAN.profile['d_name']= 'YOLOjim'

DAN.device_registration_with_retry(ServerURL, Reg_addr)
#DAN.deregister()  # if you want to deregister this device, uncomment this line
#exit()            # if you want to deregister this device, uncomment this line

若編譯darknet時遇到以下錯誤，可能是cuda版本與新版本daeknet不相容

./src/network_kernels.cu(721): error: identifier "cudaStreamCaptureModeGlobal" is undefined

./src/network_kernels.cu(721): error: too many arguments in function call

2 errors detected in the compilation of "/tmp/tmpxft_0019d7fa_00000000-10_network_kernels.compute_70.cpp1.ii".
Makefile:185: recipe for target 'obj/network_kernels.o' failed
make: *** [obj/network_kernels.o] Error 1

編輯src/network_kernels.cu，註解CHECK_CUDA(cudaStreamBeginCapture(stream0, cudaStreamCaptureModeGlobal));(約在721行)，並執行以下指令，重新編譯 darknet

make clean
make

${dateTime}__${getIn}__${current}.mkv