基于TensorFlow框架、Faster RCNN模型、SSM框架(SpringMVC+Spring+Mybatis)的实时行人检测系统

项目地址:GitHub

项目具体实现请前往GitHub!!!

基于深度学习的自动化行人检测和监控系统

监控在安保和巡查中发挥着重要作用,但也是一项非常乏味的任务,深度学习的出现在一定程度上将人类从这一任务中解放出来。本项目基于深度学习的目标检测去搭建了一个简单有效的监控系统,能够自动化进行人流统计和行人检测。

本系统基于Apache2.0协议开源,请严格遵守开源协议。

0x00 简介

本系统由以下三个子项目组成:

  • 1.基于TensorFlow平台的行人检测系统
  • 2.基于Android平台的推流系统
  • 3.基于JavaWeb的展示系统

0x01 服务器部署

1.服务器的配置要求

配置基本要求
操作系统Ubuntu 16.04 x64
CPU主频2.0GHz 以上
内存8G以上
GPUNVIDIA GTX1080以上
网络服务器IP地址需是公网IP

2.基于TensorFlow平台的行人检测系统

本系统依赖如下:

依赖项安装方式
Python3.5
pip
TensorFlow-1.11.0-GPU
Python版本OpenCV
requestspip3 install requests
frozen_inference_graph.pb下载地址
Nginx with RTMP安装流程

运行系统:

  • 把训练模型后得到的.pb模型文件复制在python目录下;
  • 修改main.py文件RTMP_HOST变量,运行main.py

3.基于Android平台的推流系统

运行系统:

  • 在Idea或者AndroidStudio中导入android目录下的工程,并修改MainActivity.java中的静态变量;

4.基于SSM(SpringMVC+Spring+Mybatis)互联网轻量级框架的展示系统

本系统依赖如下:

依赖项安装方式
JDK-1.8.0
Apache-Tomcat-9.0.12
Maven
Mysql需配置远程访问权限

运行系统:

  • 展示系统基于Idea集成开发环境进行开发,SSM框架中的依赖均基于Maven进行配置,在Idea中导入web目录下的工程,导出war包,将war包放在服务器tomcat/webapps目录下,运行./startup.sh,启动tomcat容器;

0x02 项目展示

  • 新增了针对大数据量的人流统计的可视化视图;
©️2020 CSDN 皮肤主题: 编程工作室 设计师:CSDN官方博客 返回首页