长安网站建设推广公司网络建设和网站建设

长安网站建设推广公司,网络建设和网站建设,wordpress 最新文章调用,wordpress破解管理员帐号博主介绍#xff1a;✌全网粉丝10W,前互联网大厂软件研发、集结硕博英豪成立工作室。专注于计算机相关专业项目实战6年之久#xff0c;选择我们就是选择放心、选择安心毕业✌ #x1f345;想要获取完整文章或者源码#xff0c;或者代做#xff0c;拉到文章底部即可与…博主介绍✌全网粉丝10W,前互联网大厂软件研发、集结硕博英豪成立工作室。专注于计算机相关专业项目实战6年之久选择我们就是选择放心、选择安心毕业✌ 想要获取完整文章或者源码或者代做拉到文章底部即可与我联系了。点击查看作者主页了解更多项目感兴趣的可以先收藏起来点赞、关注不迷路大家在毕设选题项目以及论文编写等相关问题都可以给我留言咨询希望帮助同学们顺利毕业 。1、毕业设计2025年计算机专业毕业设计选题汇总建议收藏✅2、最全计算机专业毕业设计选题大全建议收藏✅1、项目介绍深度学习车流量监测统计系统 YOLOv8模型 智慧交通大数据 多目标跟踪算法 毕业设计技术栈Python语言、COCO2017数据集、YOLOv8模型、自定义区域、车流量监控计数2、项目界面1自定义检测区域2车流量监测统计3自定义检测区域4车流量监测统计5车流量监测统计3、项目说明1配置好运行环境之后,运行【find_region_and_exec.py文件】,运行该py文件会加载目录video中的视频然后程序会播放该视频,敲击键盘空格键视频会暂停播放,再次敲击空格键会进入编辑界面,然后就可以在画面上划定区域了。如需要加载自己的视频请在该find_region_and_exec.py文件第39行修改文件路径源码按照下面的步骤进行区域划定:1 鼠标左键点击选点2 鼠标右键点击删除点3 点击滚轮结束当前区域绘制,开始下个区域绘制4 按 ESC 退出特别注意:要先划视频左边的区域再划视频右边的区域否则后续车流量统计左边右边道路的统计数会反掉(左边道路的车数量在右边显示右边道路的车数量在左边显示)只要按照先左后右就可以避免这个问题。例如划定两个四边形区域的操作步骤如下第一次鼠标左键(画第一个点第二次鼠标左键(画第二个点此时第一个点与第二点之间自动划线,第三次鼠标左键画第三个点此时第二个点与第三点之间自动划线第四次鼠标左键画第四个点此时第三个点与第四点之间自动划线第五次鼠标左键一定要与第一个点大致重合。然后点击鼠标中间的滚轮,第一个四边形区域划定完毕,开始第二个区域划定第一次鼠标左键(画第一个点第二次鼠标左键(画第二个点此时第一个点与第二点之间自动划线,第三次鼠标左键画第三个点此时第二个点与第三点之间自动划线第四次鼠标左键画第四个点此时第三个点与第四点之间自动划线第五次鼠标左键一定要与第一个点大致重合。然后然后点击鼠标中间的滚轮,第二个四边形区域划定完毕。之后。敲击键盘ESC键程序会自动执行car_count.py程序进行推理大概等待10秒左右画面会自动弹出。4、核心代码# -*- encoding: utf-8 -*-importcv2importtimeimportnumpyasnpimportargparseimportos os.environ[KMP_DUPLICATE_LIB_OK]TRUEfromultralyticsimportYOLOdefexec_inference_video(file_path,region_1,region_2):# 可以使用yolo原始权重也可以用直接使用onnx格式的权重加速推理# 但请注意目标追踪是建立在目标检测的基础之上,它比单纯的目标检测更耗费算力,用cpu跑很慢,即使是用onnx加速,推理速度也无法比拟在gpu、npu上的速度# 推荐电脑有gpu的话安装gpu的pytorch在gpu上跑,电脑没有gpu的的话用onnx格式跑# 特别注意:电脑有gpu的话不要安装成了cpu版本的pytroch,否则根本没有用gpu跑用的还是cpu速度还是很慢# 特别注意直接 pip install torch 安装的是cpu版本的torch,即使电脑有显卡因为安装的是cpu版的torch所以还是用的cpu跑的,推理速度照样很慢# 安装gpu版本的torch 首先要在电脑上安装nivida显卡驱动,然后在https://pytorch.org/ 网站 根据自己的情况选择操作系统、cuda版本 生成torch安装命令# 比如我的电脑操作系统windows、有英伟达显卡、显卡驱动装好、cuda版本为11.8pip安装gpu版本的torch的命令为:# pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118# model YOLO(./yolov8n.onnx) #cpumodelYOLO(weights/yolov8l.pt)# gpu# 基本逻辑:车辆从视频顶部往下部行走并进入区域,视为 下行 low;从视频画面下部往上部行走并进入区域,视为 上行 up。# 加载要使用的视频kameracv2.VideoCapture(file_path)fontcv2.FONT_HERSHEY_DUPLEX# 获取视频的高度与宽度weight,heightkamera.get(3),kamera.get(4)print(weight)print(height)# 注意opencv的坐标系是从左上方开始的,向下为y轴,向右为x轴start_yint(height/2)start_xint(0)end_yint(height/2)end_xint(weight)# 注意区域的位置应该根据视频而定,不是一成不变的# 这个区域在我这个视频中适用但是换成其他的视频(比如视频画面是倾斜的)极有可能不适用,需要根据具体的视频设置具体的区域的位置# low 下行区域 左边区域region1np.array(region_1)region1region1.reshape((-1,1,2))# up 上行区域 右边区域region2np.array(region_2)region2region2.reshape((-1,1,2))# 下行的车辆id保存在这个变量中low_idset()# 上行车辆的id保存在这个变量中up_idset()whileTrue:# 逐渐帧读取视频内容ret,framekamera.read()ifnotret:break# opnecv读取的图片色彩空间为BGR,我们把它转化成RGBrgb_imgcv2.cvtColor(frame,cv2.COLOR_BGR2RGB)# 使用yolo8的追踪模式(采用byte-tracker多目标跟踪算法)resultsmodel.track(rgb_img,persistTrue,trackerbytetrack.yaml,verboseFalse)# 遍历yolo的处理结果结果全部保存在返回的results(list类型)变量中,里面保存着结果信息,可以打印一下看一看(打印results[0])foriinrange(len(results[0].boxes)):# 框的四个坐标位置x1,y1,x2,y2results[0].boxes.xyxy[i]# 置信度scoreresults[0].boxes.conf[i]# 类别标签labelclsresults[0].boxes.cls[i]# print(cls)# 识别对象的id,可能为Noneidsresults[0].boxes.id[i]ifidsNone:continue## try:# ids results[0].boxes.id[i]# # print(ids)# except:# continue# float转化intx1,y1,x2,y2,score,cls,idsint(x1),int(y1),int(x2),int(y2),float(score),int(cls),int(ids)# 设置0.1阈值,只有高于这个阈值,后续才会被标记,进入区域才会被计数ifscore0.1:continue# cls2,5,7代表小汽车、公交车、大卡车这有这几个后续才会被标记,进入区域才会被计数ifclsnotin(2,5,7):continue# 计算物体中心位置的坐标cxint(x1/2x2/2)cyint(y1/2y2/2)# 将识别的物体 用框标记出来cv2.rectangle(frame,(x1,y1),(x2,y2),(0,0,255),2)# 将识别的物体用圆标记出来# cv2.circle(frame, (cx, cy), 4, (0, 255, 255), -1)# 判断从视频顶部进入画面的物体的中心位置与区域1的关系(在内部还是外部)inside_region1cv2.pointPolygonTest(region1,(cx,cy),False)# inside_region1为1表示在区域内部ifinside_region10:low_id.add(ids)inside_region2cv2.pointPolygonTest(region2,(cx,cy),False)ifinside_region20:up_id.add(ids)# 统计进出物体,并设置为字符串,下一步准备在画面上显示first_lowLOW:str(len(low_id))first_upUP:str(len(up_id))# 设置画面左右上角的背景色frame[0:40,0:120](102,0,153)frame[0:40,end_x-120:end_x](102,0,153)# 将进出物体统计的个数输出到图片,展示cv2.putText(frame,first_low,(0,30),font,1,(255,255,255),1)cv2.putText(frame,first_up,(end_x-120,30),font,1,(255,255,255),1)# 显示两个区域zerosnp.zeros((frame.shape),dtypenp.uint8)mask1cv2.fillPoly(zeros,[region1],color(255,0,0))mask2cv2.fillPoly(zeros,[region2],color(0,255,0))frame1cv2.addWeighted(frame,1,mask1,0.3,0)frame2cv2.addWeighted(frame1,1,mask2,0.05,0)# 逐帧显示处理后的画面cv2.imshow(frame,frame2)ifcv2.waitKey(1)0xFFord(q):breakkamera.release()cv2.destroyAllWindows()defparse_option():parserargparse.ArgumentParser()parser.add_argument(--file_path,typestr)parser.add_argument(--region1,typestr)parser.add_argument(--region2,typestr)optparser.parse_args()returnoptif__name____main__:optparse_option()file_pathopt.file_path region1eval(opt.region1)region2eval(opt.region2)exec_inference_video(file_path,region1,region2)5、项目获取绿色聊天软件yuanmazhiwu 或 biyesheji0005由于篇幅限制获取完整文章或源码、代做项目的查看我的【用户名】、【专栏名称】、【顶部选题链接】就可以找到我啦感兴趣的可以先收藏起来点赞、关注不迷路下方查看获取联系方式