가천대학교 교내 에코버스 무당이의 경로 탐색과 정류장 사람 혼잡도를 파악을 위한 프로젝트 입니다.
기존 MoodangE_tracking은 YOLOv5를 사용했으나, 새로운 YOLOv8 버전을 적용하여 리뉴얼하였습니다.
기본으로 yolov8n-person.pt가 지정되어있습니다.
사람 탐지를 위해 yolov8n-person.pt, yolov8n-face.pt 를 선택해서 사용할 수 있습니다.
해당 모델들은 YOLOv8-face에 있는 학습되어 있는 모델을 사용하였습니다.
해당 프로젝트는 아나콘다 환경에서 Python 3.10 기반입니다.
Mac에서 사용 가능한 Pytorch를 갖춘 Conda env를 import합니다.
conda env create -f MoodangE_tracking_v8_mac.ymlWindow에서 사용 가능한 Pytroch를 기반으로 하여 Conda env를 import합니다.
conda env create -f MoodangE_tracking_v8_window.yml
사용 영상 출처: City Street on Christmas
python person_congestion.py파라미터를 통해 혼잡도 파악 시 적절한 값을 설정할 수 있습니다.
Parameters
- YOLOv8 관련
-weight: 사용할 모델의 경로를 지정합니다. 기본값은'models/yolov8n-person.pt'입니다. 이는 사람을 감지하기 위한 사전 학습된 모델을 가리킵니다.-source: 감지를 수행할 대상의 경로입니다. 파일, 디렉토리, URL, 글로브 패턴을 지정할 수 있으며, 웹캠을 사용하기 위해서는0을 입력합니다. 기본값은'ultralytics/assets/bus.jpg'입니다.-no-save: 이 옵션을 사용하면, 감지된 이미지나 비디오를 저장하지 않습니다.-device: 사용할 컴퓨팅 장치를 지정합니다. 예를 들어, CUDA 기반 GPU를 사용하려면0또는0,1,2,3과 같이 지정하고, CPU를 사용하려면cpu를 입력합니다. 기본값은 빈 문자열이며, 이 경우 시스템이 가용한 장치를 자동으로 선택합니다.- Mac에서
mps사용을 원하는 경우--device mps설정이 필요하며, 사용을 원치 않는 경우--device cpu를 반드시 설정해야 합니다.
- Mac에서
-project: 결과를 저장할 프로젝트의 이름입니다. 기본값은'inference_person'입니다.-name: 결과를 저장할 폴더의 이름입니다. 기본값은'exp'입니다.-conf-thresh: 객체 감지의 신뢰도 임계값입니다. 기본값은0.25입니다.-iou-thresh: 비최대 억제(NMS)를 위한 IoU(Intersection over Union) 임계값입니다. 기본값은0.45입니다.-agnostic: 이 옵션을 사용하면, 클래스에 구애받지 않고 확장된 추론을 수행합니다.-view-img: 이 옵션을 사용하면, 결과를 화면에 표시합니다.
- SORT 관련
-sort-max-age: 객체가 가리어지거나 n 프레임 동안 감지되지 않아도 추적을 유지하는 최대 프레임 수입니다. 기본값은30입니다.-sort-min-hits: 추적을 시작하기 전에 감지해야 하는 객체의 최소 수입니다. 기본값은2입니다.-sort-iou-thresh: 두 프레임 간의 객체 연관성을 결정하기 위한 IoU 임계값입니다. 기본값은0.2입니다.
- Person_congestion 관련
-blur: 이 옵션을 사용하면, 감지된 객체의 경계 상자를 흐리게 처리합니다.-tracking: 추적 경로를 시각화합니다. 이 옵션을 사용하면 객체의 이동 경로가 화면에 표시됩니다.-duration: 이미지를 지정한 시간(초) 동안 처리합니다. 기본값은5.0입니다.
- ultralytics/ultralytics : With No Modifications
- abewley/sort : With minor Modifications
- akanametov/yolov8-face : Use the provided learning model