7 openVINO 反光背心和安全帽检测

原文地址：https://github.com/intel-iot-devkit/safety-gear-detector-python

git上下载慢的话，可以从此链接下载demo程序及模型 and 视频文件

https://download.csdn.net/download/zhouhui1982/11262779

以下是自动翻译的

图1：能够检测人员以及他们是否在视频中佩戴安全夹克和安全帽的应用程序。

它能做什么

此应用程序是一系列物联网参考实现之一，说明如何为特定问题开发工作解决方案。它演示了如何使用英特尔®硬件和软件工具创建智能视频物联网解决方案。该参考实施检测人员和潜在的违反安全装备标准的行为。

这个怎么运作

该应用程序使用英特尔®分布式OpenVINO™工具包中包含的推理引擎。训练有素的神经网络可以检测指定区域内的人。该应用程序检查每个检测到的人是否戴着安全夹和安全帽。如果不是，则在视频中的人物上绘制一个红色边界框。如果他们穿着指定的安全装备，视频中会有一个绿色的边界框。

要求

硬件

采用Intel®Iris®Pro图形或Intel®HDGraphics的第6代至第8代Intel®Core™处理器

软件

Ubuntu * 16.04 LTS

注意：我们建议在此软件中使用4.14+ Linux内核。运行以下命令以确定内核版本：

uname -a

OpenCL™运行时包
英特尔®分布式OpenVINO™工具包2019 R1版本

建立

安装英特尔®分布式OpenVINO™工具包

请参阅安装适用于Linux *的OpenVINO™工具包的英特尔®分发版以安装和设置工具包。

安装OpenCL™运行时包以在GPU上运行推理。CPU推断不是强制性的。

FFmpeg的*

FFmpeg与Ubuntu存储库分开安装：

sudo apt update sudo apt install ffmpeg

安装Python *依赖项

sudo apt install python3-pip sudo pip3 install numpy sudo pip3 install jupyter

配置应用程序

使用哪种型号

默认情况下，此应用程序使用person-detection-retail-0013Intel®模型，可以使用模型下载程序访问。该模型下载下载.XML和.bin文件将被应用程序使用的文件。

下载.xml和.bin文件

转到OpenVINO™工具包的英特尔®分发版中的模型下载程序目录。

cd /opt/intel/openvino/deployment_tools/tools/model_downloader

指定要下载的模型--name。

要优化FP32的模型，请运行以下命令：

sudo ./downloader.py --name person-detection-retail-0013

要优化FP16的模型，请运行以下命令：

sudo ./downloader.py --name person-detection-retail-0013-fp16

这些文件将下载到Retail / object_detection / pedestrian / rmnet_ssd / 0013 / dldt目录中。

配置文件

该资源/ conf.txt包含将被应用程序所使用的视频，每行一个视频。

文件中的每一行都是表单path/to/video。

例如：

videos/video1.mp4

这path/to/video是本地系统上用作输入的视频的路径。

应用程序可以使用任意数量的视频进行检测（即，conf.txt文件可以包含任意数量的行。）但是，应用程序并行使用的视频越多，每个视频的帧速率就越低。这可以通过向运行应用程序的机器添加更多计算能力来解决。

要使用什么输入视频

该应用程序适用于任何输入视频。我们建议使用Safety_Full_Hat_and_Vest.mp4视频。

使用相机流

替换path/to/video为conf.txt中的摄像机ID，其中ID来自您的视频设备（/ dev / videoX中的数字X）。在Ubuntu上，要列出所有可用的视频设备，请使用以下命令：

ls /dev/video*

例如，如果上面命令的输出是/dev/video0，那么conf.txt将是：

设置环境

打开终端以设置运行OpenLinkO™工具包应用程序所需的环境变量：

source /opt/intel/openvino/bin/setupvars.sh -pyver 3.5

注意：此命令只需在执行应用程序的终端中执行一次。如果终端关闭，则需要再次执行该命令。

运行应用程序

将当前目录更改为系统上的git-cloned应用程序代码位置。例如：

cd <path_to_the_safety-gear-detector-python_directory>

要查看各种选项的列表：

./safety-gear-python.py -h

用户可以指定哪些目标设备通过使用设备命令行参数来运行-d接着值中的一个CPU，GPU，MYRIAD，HDDL或FPGA 。

在CPU上运行

虽然默认情况下应用程序在CPU上运行，但也可以通过-d CPU命令行参数显式指定：

./safety-gear-python.py -d CPU -m /home/root1/openvino_models/Retail/object_detection/pedestrian/rmnet_ssd/0013/dldt/person-detection-retail-0013.xml -e /opt/intel/openvino/deployment_tools/inference_engine/lib/intel64/libcpu_extension_sse4.so -c resources/conf.txt

在集成GPU上运行

要在具有浮点精度32（FP32）的集成Intel GPU上运行，请使用-d GPU命令行参数：

./safety-gear-python.py -d GPU -m /opt/intel/openvino/deployment_tools/tools/model_downloader/Retail/object_detection/pedestrian/rmnet_ssd/0013/dldt/person-detection-retail-0013.xml -c resources/conf.txt

要在具有浮点精度16（FP16）的集成英特尔®GPU上运行：

在英特尔®神经计算棒上运行

要在英特尔®神经计算棒上运行，请使用-d MYRIAD命令行参数：

./safety-gear-python.py -d MYRIAD -m /opt/intel/openvino/deployment_tools/tools/model_downloader/Retail/object_detection/pedestrian/rmnet_ssd/0013/dldt/person-detection-retail-0013-fp16.xml -c resources/conf.txt

注意：英特尔®神经计算棒只能运行FP16型号。通过-m <path_to_model>命令行参数传递给应用程序的模型必须是数据类型FP16。

在HDDL上运行

要在HDDL上运行，请使用-d HETERO:HDDL,CPU命令行参数：

./safety-gear-python.py -m /opt/intel/openvino/deployment_tools/tools/model_downloader/Retail/object_detection/pedestrian/rmnet_ssd/0013/dldt/person-detection-retail-0013-fp16.xml -d HETERO:HDDL,CPU -e /opt/intel/openvino/deployment_tools/inference_engine/lib/intel64/libcpu_extension_sse4.so -c resources/conf.txt

注意： HDDL只能运行FP16型号。通过-m <path_to_model>命令行参数传递给应用程序的模型必须是数据类型FP16。

在FPGA上运行

在FPGA上运行应用程序之前，请编写AOCX（比特流）文件。使用fpga_support_files.tgz中的setup_env.sh脚本设置环境变量。

例如：

source /home/<user>/Downloads/fpga_support_files/setup_env.sh

可以在该/opt/intel/openvino/bitstreams/a10_vision_design_bitstreams文件夹下找到HDDL-F的比特流。

要编程比特流，请使用以下命令：

aocl program acl0 /opt/intel/openvino/bitstreams/a10_vision_design_bitstreams/2019R1_PL1_FP11_RMNet.aocx

有关比特流编程的更多信息，请参阅https://software.intel.com/en-us/articles/OpenVINO-Install-Linux-FPGA#inpage-nav-11

要使用浮点精度16（FP16）在FPGA上运行应用程序，请使用-d HETERO:FPGA,CPU命令行参数：

./safety-gear-python.py -m /opt/intel/openvino/deployment_tools/tools/model_downloader/Retail/object_detection/pedestrian/rmnet_ssd/0013/dldt/person-detection-retail-0013-fp16.xml -d HETERO:FPGA,CPU -e /opt/intel/openvino/deployment_tools/inference_engine/lib/intel64/libcpu_extension_sse4.so -c resources/conf.txt

7 openVINO 反光背心和安全帽检测相关推荐

yolov5安全帽检测、反光衣检测、抽烟检测
yolov5这个网络做了挺久了,做出来针对几种物体的检测,也可融合到一起,可开发目标检测接口,也可做人脸识别以及温度检测,有针对这方面的毕业论文或者工程项目的需求,我和我的小伙伴将尽全力满足您,价格美 ...
基于YOLOv5的智慧工地安全帽检测（1）
基于YOLOv5的智慧工地安全帽检测数据集+代码下载地址:下载地址
基于YOLOv5的智慧工地实现---安全帽检测（2）
基于YOLOv5的智慧工地安全帽检测代码下载地址:下载地址 Smart_Construction 该项目是使用 YOLOv5 v2.x 的程序来训练在智能工地安全领域中头盔目标检测的应用指标 yo ...
智慧工地-基于深度学习yolov3的安全帽检测以及安全帽检测数据集（1）
基于深度学习yolov3的安全帽检测以及安全帽检测数据集数据集和代码下载地址:下载地址数据可视化: 根目录下运行命令: show_yolo_anno.py (注意脚本内相关参数配置 ) 模型训练 ...
微调Faster-R-CNN-InceptionV2完成高准确率安全帽检测任务
个人简介:李响Superb,CSDN百万访问量博主,普普通通男大学生,深度学习算法.医学图像处理专攻,偶尔也搞全栈开发,没事就写文章. 博客地址:lixiang.blog.csdn.net 本文版权归 ...
调用远程摄像头进行人脸识别_工地安全：AI如何实现安全帽检测与人脸识别？...
安全生产一直是施工生产中很重要的一部分,只有保障了员工的安全,才能保证企业的利益.安全帽作为保护.防护的重要防范手段,一直是各大企业要求员工佩戴的,可还是发生了各种由于未佩戴安全帽导致的安全事故. 通 ...
基于YOLOV3的安全帽检测
" 作为目标检测的鸿篇巨制YOLOV3,用来做安全帽检测非常合适" 01 - Yolov3简介 Yolo_v3使用了darknet-53的前面的52层(没有全连接层),yolo_v ...
【深度学习】搭建人工智能服务网站（安全帽检测）
电力图像分类最典型的场景就是安全帽佩戴识别. 针对电网作业现场人员行为的图像数据,采用目标检测.图像识别等人工智能技术,对电网作业现场人员是否规范佩戴安全帽进行检测识别.通过计算平均精确率.漏检率.误 ...
现场测试安全帽检测系统win7版
施工工地安全帽检测和监管力度越来越大了,从智能安全帽的应用到安全帽检测系统的智能管理,现在的安全帽检测系统 win7版对于安全帽佩戴标准也有了新的分析算法,对未正确佩戴.悬挂等都能准确检测识 ...

7 openVINO 反光背心和安全帽检测

7 openVINO 反光背心和安全帽检测相关推荐

最新文章

热门文章