违规停车检测系统

     Colaboratory 简称"Colab",是Google Research 团队开发的一款产品。 在Colab 中,任何人都可以通过浏览器编写和执行任意Python 代码。 它尤其适合机器学习、数据分析和教育目的。 从技术上说,Colab 是一种托管式Jupyter 笔记本服务。

    大佬们写的工程源码在这里:https://github.com/hasantha-nirmal/Traffic_Violation_Detection_Yolov4_Deep-Sort

   下载官方yolov4预训练权重模型,将 yolov4.weights 从您的下载文件夹复制并粘贴到此存储库的“数据”文件夹中。https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v3_optimal/yolov4.weights

 1.先将工程传到自己的谷歌云端硬盘上。

9a01ff5f33bb4304a4aa0eea1405baaf.png

2.新建更多打开 Colaboratory

a2c52a7a27ae480cb463500074d3e9a9.png

 3.将谷歌云硬盘挂载到colab上并且修改当前路径到自己工程上。(path为自己需要修改的路径)

import os
from google.colab import drive
drive.mount('/content/drive')
path = "/content/drive/MyDrive/Traffic_Violation_Detection_Yolov4_Deep-Sort-main"
os.chdir(path)
print(os.getcwd())

 4.通过 Anaconda 或 Pip 安装正确的依赖项。

ebfe0f38e2ff40279436b63815a39317.png

 

d7447066c69d4a8f997076e03ee55187.png 

 5.conda 需要在colab上下载miniconda 因此我选择直接pip下载。(GPU相较于CPU运行速度更快)

!pip install -r requirement-gpu.txt

6.requirement-gpu.txt 根据 yml文件更改下:

opencv-python==4.1.1.26
lxml
tqdm
tensorflow==2.3.0
absl-py
easydict
matplotlib
pillow

7.执行以下命令将暗网权重转换为张流量模型。

!python save_model.py --model yolov4 

8.运行以下命令执行停车违章检测程序。

!python parking_violation_detection.py  --output ./outputs/processed_vids/parking.avi --model yolov4

   --output 后面 ./outputs.....    将其设置为保存到“输出”文件夹

  parking.avi   将video输出后的格式为 avi (AVI英文全称为Audio Video Interleaved,即音频视频交错格式

9.后续执行过程仍然会遇到错误,例如:

e303886e540c4885a14c17ee57fd2029.png

 X server是Linux系统上提供图形用户界面的服务程序。当客户端主机Client访问服务器Server上的图形程序时,需要Server对该Client赋能访问图形程序的权限。

后续解决方案:

打开 parking_violation_detection.py 将  cv2.imshow注释掉。

03935432a98f426587e898356ee9aa8e.png

若有错误欢迎大家指正,后续操作上的问题可以评论区留言。

 

  • 9
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值