打架检测（GPU实时）

置顶 已于 2022-08-12 16:12:20 修改
阅读量2.3k 收藏 11
点赞数 1
分类专栏： 视频分类 文章标签： 打架检测
于 2022-08-12 15:53:47 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/samylee/article/details/126305702
版权

GITHUB

基于视频分类的GPU实时打架检测icon-default.png?t=M666https://github.com/samylee/FightDetection

获取源代码

纯c++代码，请联系作者微信：samylee_csdn

算法效率

数据类型取帧间隔取帧数量输入图像尺寸(n-c-h-w)耗时(基于GTX-1080)准确率(业务数据)
视频/连续帧图像7帧8帧8x3x320x32080ms89%

软硬件要求

  1. windows7/10
  2. cuda10.1
  3. cudnn7.6.5
  4. nvidia-gpu-10系列/20系列

模型和第三方库下载

  1. 模型下载：百度网盘 提取码: 5sob
  2. 第三方库下载：百度网盘 提取码：zet6

测试方式

  1. 将下载的模型和第三方库放到FightDemo.exe的同级目录
  2. 用notepad++打开video_demo.cmd
  3. 修改第二个参数video_path为视频路径
  4. 保存后双击测试，结果呈现在图片中，绿色表示正常，黄色表示疑似打架，红色表示打架

参考链接

  1. 百度飞浆
  2. samylee_github
samylee
关注
  • 1
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
打架暴力行为检测
jacke121的专栏
12-22 8598
https://baijiahao.baidu.com/s?id=1602591388387843175&wfr=spider&for=pc
GPU检测工具
11-25
这是一个检测GPU属性的工具，无需安装，管理员权限直接运行就可以了。
目标检测-打架检测数据集-1000张图-+对应VOC-COCO-YOLO三种格式标签+数据集划分脚本
05-31
● 数据集介绍：打架检测数据集，真实监控场景高质量打架图片数据，涉及场景丰富，比如街道场景打架数据、酒吧场景打架数据、商店场景打架数据、公交车场景打架数据、监狱场景打架数据、空旷地打架数据、两人打架数据、多人群殴数据等。数据标签包括 fight 打架 一个类别； ● 适用实际项目应用：监控场景下打架检测项目，以及作为监控场景通用打架检测数据集场景数据的补充； ● 标注说明：采用 labelimg 标注软件进行标注，标注质量高，提供 VOC(xml)、COCO (json)、YOLO (txt) 三种常见目标检测数据集格式，可以直接用于如 YOLO 等的算法训练； ● 附赠训练示例：提供 YOLOv8、YOLOv5 一键训练脚本，提供 GPU(GPUs)、CPU、Mac(M芯片) 多平台训练方案支持，提供博主训练结果日志供参考； 注意：由于数据集资源超过 1G，所以托管在我的百度网盘，所以这里的资源格式是 PDF，内附数据集基本情况介绍以及数据集获取方式！
打架检测-YOLO5-KAPAO
04-02
目前只有PYTHON版本，以后改写C++版本，CPU每帧120毫秒，DNN_OPENCL能加速一倍，采用kapao模型50M，非常小，效果不错
打架识别分类数据集75855张8类别
最新发布
FL1768317420的博客
06-03 823
类别名称:["hit","kick","punch","push","ride_horse","shoot_gun","stand","wave"]数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片。ride_horse 图片数：16971。图片数量(jpg文件个数)：75855。shoot_gun 图片数：9832。stand 图片数：11259。punch 图片数：8921。push 图片数：10335。kick 图片数：5950。wave 图片数：8454。hit 图片数：4133。
打架识别（AI+Python+PyQt5）（一）
深度学习哪些事
01-09 7307
最近做了一个打架识别的项目，有感于当时开发资料的匮乏，特做一个小结，供大家参考。闲话少叙，看看效果先。
目标检测——监控下打架检测数据集
猫脸码客的博客
03-09 858
此外，系统还可以通过告警和语音喊话功能警示打架者，促使他们意识到不良行为的严重性，并及时停止或报告相关行为，从而保护个人安全。最后，打架检测研究还具有社会价值。通过对打架事件的监测和分析，可以深入了解打架事件的成因、特点和规律，为制定更有效的预防和干预措施提供依据。同时，打架检测系统的应用也可以提高公众对安全问题的关注度，增强社会安全意识，共同营造和谐稳定的社会环境。通过安装打架检测监控系统，可以实时监控并准确识别打架事件，及时采取必要的应对措施，有效地减少打架事件的发生，从而维护公共安全和社会秩序。
[数据集][VOC][正版]打架数据集VOC-3146张
06-09
数据集格式：Pascal VOC格式(不包含分割的txt文件，仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数)：3146 标注数量(xml文件个数)：3146 标注类别数：2 标注类别名称:["nofight","fight"] 每个类别标注的框数： nofight count = 1288 fight count = 2170 使用标注工具：labelImg 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注 标注规则：对于2人明显存在打架行为且包含肢体接触为fight，否则为nofight，注意非打架行为数据集必须要标注，否则容易误检测 重要说明：此数据集经过yolov5训练验证，演示视频有部分数据集加入训练，演示视频地址为：www.bilibili.com/video/BV1PL4y1773X?vd_source=989ae2b903ea1b5acebbe2c4c4a635ee
手把手教你搭建3DCNN视频行为检测平台
12-03
课程章节丰富，对每个知识点讲解详细，其中代码采用流行的pytorch框架，代码都是手把手带着大家一行一行敲，具体课程目录如下： 课程采用主流的深度学习框架pytorch 课程含有丰富的课件、源码和数据，这些都会提供给大家，具体如下图所示： 数据集 网络框架   代码
目标检测Yolov5算法——两猫咪打架视频识别
qq_44992157的博客
11-30 1967
本文的所有资源都放在作者的Github上了，有需要可以自己下载～
智慧安防-毫秒级打架识别
m0_63642362的博客
09-27 861
基于行人分析工具PP-Human v2的打架识别
打架斗殴行为识别算法
燧机科技的博客
08-27 949
打架斗殴行为识别算法通过yolov7网络模型深度学习算法，打架斗殴行为识别算法对提取到的信息进行分析和比对，判断是否存在打架斗殴行为。打架斗殴行为识别算法一旦打架斗殴行为识别算法识别到打架斗殴行为，系统会立即生成预警信息，并通知相关管理人员采取应对措施。YOLOv7 在 5 FPS 到 160 FPS 范围内，速度和精度都超过了所有已知的目标检测器并在V100 上，30 FPS 的情况下达到实时目标检测器的最高精度 56.8% AP。YOLOv7 是在 MS COCO 数据集上从头开始训练的，不使用任何其他
gpu-z检测GPU工具
12-01
GPU-Z是一款广受欢迎的系统监控软件，专门用于检测显卡（GPU）的相关信息。这款工具由TechPowerUp开发，提供详尽的实时数据，让用户能够深入了解自己的GPU性能、状态和健康状况。在本文中，我们将深入探讨GPU-Z的...
显卡检测工具 GPU-Z v2.44.0
01-21
GPU-Z是一款轻量级实用程序，旨在为您提供有关视频卡和GPU的所有信息。GPU-Z还是一款绿色免安装显卡测试工具，GPU-Z检查的结果页面也很简单、明了，轻松掌握显卡各项信息参数。GPU-Z可以免费用于个人和商业用途
实时碰撞检测算法技术
07-23
实时碰撞检测算法技术内容简介：本书详细阐述了与碰撞检测问题相关的高效解决方案及相应的数据结构和算法，主要包括：碰撞检测系统中的设计问题、数学和几何学入门、包围体、基本图元测试、层次包围体技术、空间划分...
显卡检测GPU-Z
11-10
GPU-Z是一款广受欢迎的显卡信息检测工具，由TechPowerUp公司开发，旨在为用户提供详细的显卡硬件信息。它能够帮助用户了解显卡的各项参数，包括但不限于GPU型号、制造工艺、核心频率、显存类型、显存大小以及运行时...
打架斗殴监测识别算法 yolov8
燧机科技的博客
08-28 1098
打架斗殴监测识别算法采用yolov8先进的图像处理和机器学习算法框架模型，打架斗殴监测识别算法能够自动识别和分析出打架斗殴的行为特征。一旦系统检测到打架斗殴行为，将自动触发告警。YOLO的结构非常简单，就是单纯的卷积、池化最后加了两层全连接，从网络结构上看，与前面介绍的CNN分类网络没有本质的区别，最大的差异是输出层用线性函数做激活函数，因为需要预测bounding box的位置（数值型），而不仅仅是对象的概率。所以粗略来说，YOLO的整个结构就是输入图片经过神经网络的变换得到一个输出的张量。
收藏 打架识别冠军方案｜极市打榜
lyk_ffl的专栏
04-25 2238
一、前言 作为一个刚走上工作岗位的打工人，算法研究与落地的差异性是首先需要学习与适应的。在周末的网上冲浪中，偶然发现了极市平台，其中有不少计算机视觉比赛以及项目招募，这些基本都是针对计算机视觉技术落地应用，还有丰厚的奖励～于是就抱着试试看的想法接触了一下。 后来，极市平台推出了一种新的项目合作模式，即极市打榜。我第一次参与时选择了打架识别这一榜单，按照平台学习、算法调研、模型训练、测试优化等步骤完成了打榜过程，达到了0.96的分数，虽然后来被人超越了哈哈。 详见极市打榜平台：https://www
无人机图像暴力行为检测方法概述
fancy_EUEU的博客
11-03 351
无人机航拍暴力行为检测
tensorflow检测gpu
09-07
要检测TensorFlow是否成功调用了GPU，你可以按照以下步骤进行操作。首先，导入TensorFlow库，并使用`tf.test.is_gpu_available()`函数进行检测。引用中给出了相应的代码示例： ```python import tensorflow as tf print(tf.test.is_gpu_available()) ``` 需要注意的是，如果你直接导入`import tensorflow as tf`，可能会出现报错`AttributeError: module 'tensorflow' has no attribute 'Session'`。为了避免这个问题，你可以使用`import tensorflow.compat.v1 as tf`来导入TensorFlow库。引用给出了相应的修改示例。然后，你可以运行上述代码来检测TensorFlow是否成功调用了GPU。如果输出结果为`True`，则表示TensorFlow成功检测到了GPU设备。引用提供了检测成功的方法。在检测成功后，你还可以通过输出信息来查看GPU的详细信息，例如GPU的名称、内存、PCI总线ID和计算能力。引用给出了相应的输出示例。<span class="em">1</span><span class="em">2</span><span class="em">3</span><span class="em">4</span>
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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