基于AidLux平台的人流统计应用评测

一、前言

        本文主要以街区人流量统计应用为例，对基于AidLux平台实现的“人体检测+人体追踪+人流统计”业务应用进行评测。如果需要，也可借鉴本文的思路实现不同场景下的人流统计或越界识别业务。

二、环境配置——跨平台应用系统Aidlux

        使用基于Linux的Aidlux平台，可以将装有Aidlux应用的安卓手机、边缘设备和PC端相连接，之后就可以方便的进行代码移植调试，进而实现应用测试。

        对于手机版本的Aidlux软件，可以从安卓手机的应用商店下载相应的APP软件。下载后进行安装、初始化、注册登录，就可进入图形界面。如果想将手机与同一个局域网下的电脑连接， 可以点击图形界面中的Cloud_ip查看其IP地址，然后将电脑的浏览器打开，输入IP地址和密码aidlux，就可以看到手机上该软件的图形界面投影了。

        在图形界面中，可以进入examples中，尝试一系列的 AI 案例；也可以进入文件管理中，进行文件的上传、下载、修改等操作。

        当需要调试代码时，手机界面的操作不太方便，可以通过电脑端的vscode连接手机进行调试。具体流程要如下截图所示：先进行1、2、3步，打开SSH配置文件，然后修改HostName为Cloud_ip的IP地址，端口号可设为9022；再进行4、5、6步，打开手机端的远程资源管理窗口，密码aidlux；之后进行7、8、9步，就可以在电脑端修改代码文件了；最后如果要在电脑端调试代码，还需要经过10、11、12步，先安装python解释器，然后添加路径，最后选择解释器。

 ​​

 

 

三、人流统计算法实现

3.1.行人人体检测

        首先需要准备数据集。本文使用的是旷视的Crowdhuamn数据集，官网http://www.crowdhuman.org/可下载，总共包含三个子数据集：15000张的训练数据集，4370张的验证数据集，5000张的测试数据集。其中训练集和验证集都是有标注信息的，测试集没有标注信息。下载好数据集后，由于标注文件格式为odgt，需要先将标注文件转换为txt格式，才能在yolov5工程中进行训练。

        之后要训练模型文件。训练模型时，要注意修改一些参数，主要包括数据集配置文件中的数据集路径，训练文件中的数据集配置文件路径、模型预训练权重、模型配置文件、epoch、batch-size等。

        再后要转换模型文件。由于aidlux端需要使用的模型格式为tflite，故需要将训练好的pt模型文件进行转换。

3.2行人轨迹追踪

        目标追踪算法包括单目标追踪和多目标追踪，多目标追踪主要针对的是多个目标的运动轨迹，而单目标追踪主要 针对的某⼀个目标的运动轨迹。目前用的较多的是多目标追踪算法，多目标追踪算法包括（1）sort多目标算法（2）deepsort多目标算法（3）Bytetrack多目标追踪算法。该实例中我们使用Bytetrack多目标追踪算法，会尽量的减少人物之间的遮挡而带来的目标的丢失。其中主要代码如下：

    # 目标追踪相关功能
    det = []
    # Process predictions
    for box in pred[0]:  # per image
        box[2] += box[0]
        box[3] += box[1]
        det.appen