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。
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