Практическое использование Tensorflow
•
1 like•405 views
Поиск и подсчет пешеходов в потоке с камер видеонаблюдения.
Практическое использование Tensorflow
- 1. Практическое использование tensorflow: Поиск и подсчет пешеходов в потоке с камер видеонаблюдения. Олег Катков
- 2. Олег Катков Dipl. Engineer Mad Devs, Kyrgyzstan Опыт разработки проектов различной сложности более 10 лет. Основные направления: системное программирование, встраиваемые системы(AVR, ARM, IAR), обработка сигналов.
- 3. Зачем считать людей? 1. Безопасность
- 4. Зачем считать людей? 1. Безопасность 2. Анализ эффективности торговли
- 5. Зачем считать людей? 1. Безопасность 2. Анализ эффективности торговли 3. Оптимизация расписания для персонала
- 6. Зачем считать людей? 1. Безопасность 2. Анализ эффективности торговли 3. Оптимизация расписания для персонала 4. Контроль персонала
- 7. Зачем считать людей? 1. Безопасность 2. Анализ эффективности торговли 3. Оптимизация расписания для персонала 4. Контроль персонала 5. Планирование служебных мероприятий
- 8. Есть несколько вариантов решения задачи подсчета людей
- 9. Хардварный 1. Лазер + фоторезистор 2. Ультразвуковой дальномер 3. Инфракрасные лучи
- 11. Ультразвуковой дальномер 1. Не очень большое расстояние (400см.) 2. Невысокая точность. 3. Чувствительность к среде.
- 13. Плюсы и минусы этих решений 1. Невозможность отличить человека от пакета 2. Большая погрешность 3. Чувствительность к среде 1. Дешевизна 2. Простота сборки и установки 3. Высокая точность в узких проходах
- 14. Алгоритмические 1. Признаки Хаара ● Состоит из смежных прямоугольных областей ● Работает очень быстро ● Выдает неплохой результат
- 15. Алгоритмические 2. Нейронные сети ● Сложная математическая модель ● Требует высоких вычислительных мощностей. Автор: Dake, Mysid - Vectorized by Mysid in CorelDraw on an image by Dake., CC BY 1.0, https://commons.wikimedia.org/w/index.php?curid=1412126
- 16. OpenCV и каскады Хаара в задаче подсчета людей
- 17. OpenCV - Open source computer vision library Автор: Adi Shavit - http://opencv.willowgarage.com/wiki/OpenCVLogo, Общественное достояние, https://commons.wikimedia.org/w/index.php?curid=26547749
- 18. Каскады Хаара из примеров OpenCV дают вот такой результат!
- 20. DistBelief - 2011г. Закрытая система для внутренних проектов Google. В 2013 присоединился Джефф Дин и Джеффри Хинтон (метод обобщенного обратного распространения ошибки).
- 21. DistBelief - 2011г. Закрытая система для внутренних проектов Google. В 2013 присоединился Джефф Дин и Джеффри Хинтон (метод обобщенного обратного распространения ошибки). TensorFlow - 2015г . Логическое развитие DistBelief. Возможность параллельного выполнения на нескольких процессорах или GPU.
- 22. DistBelief - 2011г. Закрытая система для внутренних проектов Google. В 2013 присоединился Джефф Дин и Джеффри Хинтон (метод обобщенного обратного распространения ошибки). TensorFlow - 2015г . Логическое развитие DistBelief. Возможность параллельного выполнения на нескольких процессорах или GPU. Тензорный процессор (TPU) - 2016г Нужен для использования, а не обучения. Похож на видеокарту без модулей растеризации и текстур.
- 23. Установка tensorflow требует некоторой внимательности. 1. Есть docker контейнеры, которые по документации должны сразу и без проблем запускаться. Это не так для tensorflow-gpu. Необходимо поставить/скомпиллировать правильную версию CUDA. 2. Можно поставить с помощью pip (для python) 3. Можно собрать из исходников. Это самый классный вариант, который позволит собрать API не только для python
- 25. Следующий этап - получить стрим со своей камеры
- 26. Необходимый минимум 1. IP-камера (Hikvision в нашем случае). 2. Raspberry PI + модем. 3. Debian сервер с видеокартой Nvidia. 4. Nginx + rtmp модуль. 5. Изолента (синяя)
- 27. Более крутой вариант заменить прошивку камеры Заменять прошивку на камерах мы можем, но не будем.
- 28. Высокотехнологичный сетап для подсчета количества уходящих на перекур сотрудников.
- 31. Следующий шаг - замена модели на yolo3 1. Увеличение FPS 2. Улучшение качества распознавания 3. Увеличение количества типов объектов
- 33. Затем необходимо реализовать слежение за объектом ● FPS был всё еще недостаточно высок (около 6 кадров в секунду) ● Сложности с объектами стоящими на линии ● Есть очень крутые решения в OpenCV
- 36. Дальнейшие планы 1. Переписать на C++ 2. Собрать tensorflow с использованием intel compiler collection и math kernel library 3. Испробовать TPU
- 37. Контакты Олег Катков ● Email: lezh1k.vohrer@gmail.com ● Telegram: @o_katkov ● Статьи Medium: https://medium.com/@lezh1k.vohrer