Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Компьютерное зрение. Практикум
.pdf
Одним из простых способов запустить отслеживание является использование
нейросети YOLO и библиотеки Ultralytics
!pipinstallultralytics==8.0.196 – q
Для примера скачаем видео
!git clone https://github.com/AlexandrWhite/computer_vision_staff.git
Для использования трекинга для выбранной модели используем метод track.
Для данного метода определены следующие параметры:
– source –путь к видеофайлу. Может быть и ссылкой на YouTube.
– stream=True – Параметр необходимый для больших видео, или для
обработки трансляции. Если не установить False.
– persist=True – указывает, что в текущем изображении следует ожидать треки
от предыдущего изображения. Делает работу алгоритма более плавной.
– verbose=False – указывает, что необходимо ли выводить в консоль
информацию об обнаруженных объектах, которая может быть полезна при отладке.
Так как сейчас в этом нет необходимости установим значение False.
– tracker – в библиотеке ultralytics предустановлено два популярных алгоритма
отслеживания. BotSort и ByteTrack. Гиперп
from ultralytics import YOLO
model = YOLO("yolov8n.pt")
results = model.track(source="/content/computer_vision_staff/videos/test.mp4",
stream=True,
persist=True,
verbose = False,
101
tracker="bytetrack.yaml")
Выполним трекинг на видео.
import cv2
input_video = cv2.VideoCapture("/content/computer_vision_staff/videos/test.mp4")
# Получение размеров видео
width = int(input_video.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(input_video.get(cv2.CAP_PROP_FRAME_HEIGHT))
fps = input_video.get(cv2.CAP_PROP_FPS)
fourcc = cv2.VideoWriter_fourcc(*"mp4v")
output_video = cv2.VideoWriter("tracked_video.mp4", fourcc, fps, (width, height))
for result in results:
res_plot = result.plot()
output_video.write(res_plot)
input_video.release()
output_video.release()
В результате работы мы получим файл tracked_video.mp4 в котором было
создано размеченное видео.
На рисунке 5.4 представлен кадр из оригинального видео, записанного с
помощью камеры видеонаблюдения. На рисунке 5.5 представлен кадр из
обработанного видео.
102
Рисунок 5.4 – Кадр из оригинального видео
Рисунок 5.5 – Кадр из обработанного видео
Задание.
Воспользуйтесь вашей обученной моделью из лабораторной работы по
детекции и реализуйте отслеживание. Выберите алгоритм отслеживания, подберите
различные значения гипер-параметров для достижения наилучшего результата.
103
Список использованных источников
1 Ковун, В.А. Использование нейронных сетей U-Net и W-Net в
металлографическом анализе образцов стали / В.А. Ковун, И.Л. Каширина //
Вестник ВГУ, серия: Системный анализ и информационные технологии. –
2022. – № 1. – С. 101-110.
2 Bhomik, M. K. Computer Vision: Object Detection in Adversarial Vision / M.
K. Bhomik. – Chapman and Hall/CRC, 2024. – 190 p. – ISBN 978-1032551807.
3 Arya, K. V., Rodriguez, C., Singh, S., & Singhal, A. Artificial Intelligence and
Machine Learning Techniques in Image Processing and Computer Vision / K. V. Arya, C.
Rodriguez, S. Singh, A. Singhal. – Apple Academic Press, 2024. – 316 p. – ISBN 9781774914694
4 Kumar, A., & Singh, S. Computer Vision and AI-Integrated IoT Technologies in
the Medical Ecosystem / A. Kumar, S. Singh. – CRC Press, 2024. – 300 p. – ISBN 9781032547928
5 Коул, А. Искусственный интеллект и компьютерное зрение. Реальные
проекты на Python, Keras и TensorFlow. – СПб.: Питер, 2023. – 624 с.: ил. – (Серия
«Бестселлеры O’Reilly»). ISBN 978-5-4461-1840-3
6 Тёрк, М., Дэвис, Р. Компьютерное зрение. Современные методы
и перспективы развития / ред. Р. Дэвис, М. Терк; пер. с англ. В. С. Яценкова. – М.:
ДМК Пресс, 2022. – 690 с.: ил. ISBN 978-5-93700-148-1
7 Крейман Г. Биологическое и компьютерное зрение / пер. с англ. И. Л.
Люско; под ред. Т. Б. Киселевой, Т. И. Люско. – М.: ДМК Пресс, 2022. – 314 с.: ил.
ISBN 978-5-93700-100-9
8 Постолит А. В. П63 Основы искусственного интеллекта в примерах на
Python. Самоучитель. – 2-е изд., перераб. и доп. – СПб.: БХВ-Петербург, 2024. –
448 с.: ил. – (Самоучитель) ISBN 978-5-9775-1818-5
9 Шапиро Л. Компьютерное зрение / Л. Шапиро, Дж. Стокман ; пер. с англ. –
4-е изд., электрон. – М. : Лаборатория знаний, 2020. – 763 с. ISBN 978-5-00101-696-0
10 Buslaev A. Albumentations: fast and flexible image augmentations /A. Buslaev,
104
V. Iglovikov, E. Khvedchenya, A. Parinov, M. Druzhinin, A. Kalinin //Information. –
2020. – Т. 11. – №. 2. – Pp. 125.
11 Николенко, С. Глубокое обучение / С. Николенко, А. Кадурин,
Е. Архангельская. – СПб.: Питер, 2018. – 480 с.: ил.
12 Girshick, R. Rich feature hierarchies for accurate object detection and se-
mantic segmentation / R. Girshick // Proceedings of the IEEE conference on computer
vision and pattern recognition. – 2014. – Pp. 580-587.
13 Redmon, J. You Only Look Once: Unified, Real-Time Object Detection /
J. Redmon, S. Divvala, R. Girshick, A. Farhadi // Proceedings of the IEEE conference on
computer vision and pattern recognition. – 2016. – Pp. 779-788.
14 Ronneberger O., Fischer P., Brox T. U-net: Convolutional networks for
biomedical image segmentation //Medical image computing and computer-assisted
intervention–MICCAI 2015: 18th international conference, Munich, Germany, October 59, 2015, proceedings, part III 18. – Springer International Publishing, 2015. – С. 234-241.
15 Luiten, J. Hota: A higher order metric for evaluating multi-object tracking /
J.Luiten, A. Osep, P. Dendorfer, P. Torr, A. Geiger //International journal of computer
vision. – 2021. – № 129. – Pp. 548-578.
16 Ali, S. Vehicle detection and tracking in UAV imagery via YOLOv3 and
Kalman filter /S. Ali., A. Jalal, M. Alatiyyah, K. Alnowaiser, J. Park // Computers,
Materials & Continua. – 2023. – Pp. 1249-1265.
17 Kuhn, H.W. The Hungarian method for the assignment problem /
H.W. Kuhn // Naval research logistics quarterly. – 1955. – №. 1‐ 2. – Pp. 83-97.
18 Zhang, Y. Bytetrack: Multi-object tracking by associating every detection box /
Y. Zhang, P. Sun, Y. Jiang, D. Yu, F. Weng, Z. Yuan // European conference on computer
vision. – 2022. – Pp. 1-21.
19 Aharon, N. BoT-SORT: Robust associations multi-pedestrian tracking /
N. Aharon, R. Orfaig., B. Z. Bobrovsky // [Электронный ресурс] Arxiv. – 2022.
20 Olaf Ronneberger, U-Net: Convolutional Networks for Biomedical Image
Segmentation/ O. Ronneberger, P. Fischer, T. Brox// [Электронный ресурс] Arxiv:
https://arxiv.org/pdf/1505.04597
105
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]