1）.采用预训练模型mobilenet_ssd，这是一种适用于移动端而提出的一种轻量级深度网络模型。 主要使用了深度可分离卷积Depthwise Separable Convolution将标准卷积核进行分解计算，减少了计算量。保证了检测速度。 将图片进行归一化处理，在进行检测。 2）.utils文件做了一个帧率的计算。 3）.模型过滤了除了“人”之外的其它类别，减少了box数量 4）.对每个box计算其置信度，如果低于设定的0.3，则过滤掉。 5）.设定在每30帧进行一次box框检测，为了保持较高的检测准确率，并且释放之前的内存。 6）.统计每个box框的坐标点，绘轨迹，和计算场景内行人每一步的速度。

图片中的黑点表示该时间步的轨迹点

速度计算，图片帧率0.14s

c, d = circlelist[i-len(inputQueues)]
distance = float(((c - endX)**2 + (d - endY)**2)**(0.5))
print(c,d,endX, endY)
fact_distance = distance / 300
speed = fact_distance / 0.14

test2.mp4

demo.mp4