Le logiciel Kdenlive est l’équivalent de iMovie ( voir même mieux ) pour mon comparatif d’algo j’ai pu mettre les 4 vidéos sur une même vidéo :
Il n’y a pas a dire c’est YOLO qui est largement devant !
A suivre.
J’essaye donc un cinquième projet : https://github.com/adipandas/multi-object-tracker . Un peu complexe a installer mais vu que j’avais déjà fait le gros du travail dans mes précédents post :
Ce projet est bien interessant car il fonctionne avec ssd_mobilenet_v2_coco_2018_03_29 . Alors que dans le précédent j’étais avec la version ssd_mobilenet_v1_coco .
Avec le résultat est mieux, je détecte plus de cycliste.
Avec SimpleTracker-yolo-model ( qui est l’utilisation du modèle YOLO V3) , le résultat est bon aussi.
A suivre …
J’ai essayé un nouveau projet sur Github pour le comptage des cyclistes : https://github.com/ahmetozlu/tensorflow_object_counting_api .
J’ai du modifier le code pour utiliser TensorFlow : 2.3.1 .
- tf.GraphDef => tf.compat.v1.GraphDef - tf.gfile.GFile => tf.compat.v2.io.gfile.GFile - tf.Session => tf.compat.v1.Session
Ensuite j’ai du adapter le programme à ma vidéo, j’ai adapté les programmes : vehicle_counting.py & real_time_couting_target_object.py . Le but était de positionner la ligne de comptage par rapport à la dimension de ma vidéo ( roi = 900 / 1280 ).
Avec real_time_couting_target_object.py (modifié) : ( c’est la le top quand on compte 10 cyclistes, il en compte 2 … Misère)
Avec vehicle_counting.py (modifié) , sur 120 cyclistes seulement 42 sont comptés:
Ma vidéo source fait ( GoPro ):
A suivre …
A noter que le modèle utilisé c’est « ssd_mobilenet_v1_coco_2018_01_28″ et ‘mscoco_label_map.pbtxt’ . ( sur http://download.tensorflow.org/models/object_detection/ ) . Je pense qu’il y a une version 2019 : https://arxiv.org/abs/1801.04381 & https://github.com/tensorflow/models/tree/master/research/slim/nets/mobilenet . Le nom doit être ssd_mobilenet_v3_small_coco_2019_08_14 .
J’ai du modifier dans api/object_counting_api.py
with tf.compat.v1.Session(graph=detection_graph) as sess:
# Definite input and output Tensors for detection_graph
#image_tensor = detection_graph.get_tensor_by_name('image_tensor:0')
image_tensor = 'image_tensor:0'
# Each box represents a part of the image where a particular object was detected.
#detection_boxes = detection_graph.get_tensor_by_name('detection_boxes:0')
detection_boxes = 'detection_boxes:0'
# Each score represent how level of confidence for each of the objects.
# Score is shown on the result image, together with the class label.
#detection_scores = detection_graph.get_tensor_by_name('detection_scores:0')
#detection_classes = detection_graph.get_tensor_by_name('detection_classes:0')
#num_detections = detection_graph.get_tensor_by_name('num_detections:0')
detection_scores = 'detection_scores:0'
detection_classes = 'detection_classes:0'
num_detections = 'num_detections:0'
Je fais un petit brouillon de mon installation :
ii libopencv-calib3d3.2:amd64 3.2.0+dfsg-4ubuntu0.1 amd64 computer vision Camera Calibration library ii libopencv-contrib3.2:amd64 3.2.0+dfsg-4ubuntu0.1 amd64 computer vision contrlib library ii libopencv-core3.2:amd64 3.2.0+dfsg-4ubuntu0.1 amd64 computer vision core library ii libopencv-features2d3.2:amd64 3.2.0+dfsg-4ubuntu0.1 amd64 computer vision Feature Detection and Descriptor Extraction library ii libopencv-flann3.2:amd64 3.2.0+dfsg-4ubuntu0.1 amd64 computer vision Clustering and Search in Multi-Dimensional spaces library ii libopencv-highgui3.2:amd64 3.2.0+dfsg-4ubuntu0.1 amd64 computer vision High-level GUI and Media I/O library ii libopencv-imgcodecs3.2:amd64 3.2.0+dfsg-4ubuntu0.1 amd64 computer vision Image Codecs library ii libopencv-imgproc3.2:amd64 3.2.0+dfsg-4ubuntu0.1 amd64 computer vision Image Processing library ii libopencv-ml3.2:amd64 3.2.0+dfsg-4ubuntu0.1 amd64 computer vision Machine Learning library ii libopencv-objdetect3.2:amd64 3.2.0+dfsg-4ubuntu0.1 amd64 computer vision Object Detection library ii libopencv-photo3.2:amd64 3.2.0+dfsg-4ubuntu0.1 amd64 computer vision computational photography library ii libopencv-shape3.2:amd64 3.2.0+dfsg-4ubuntu0.1 amd64 computer vision shape descriptors and matchers library ii libopencv-stitching3.2:amd64 3.2.0+dfsg-4ubuntu0.1 amd64 computer vision image stitching library ii libopencv-superres3.2:amd64 3.2.0+dfsg-4ubuntu0.1 amd64 computer vision Super Resolution library ii libopencv-video3.2:amd64 3.2.0+dfsg-4ubuntu0.1 amd64 computer vision Video analysis library ii libopencv-videoio3.2:amd64 3.2.0+dfsg-4ubuntu0.1 amd64 computer vision Video I/O library ii libopencv-videostab3.2:amd64 3.2.0+dfsg-4ubuntu0.1 amd64 computer vision video stabilization library ii libopencv-viz3.2:amd64 3.2.0+dfsg-4ubuntu0.1 amd64 computer vision 3D data visualization library
pip3 show tensorflow Name: tensorflow Version: 2.3.1 Summary: TensorFlow is an open source machine learning framework for everyone. Home-page: https://www.tensorflow.org/ Author: Google Inc. Author-email: packages@tensorflow.org License: Apache 2.0 Location: /home/arias/.local/lib/python3.8/site-packages Requires: tensorboard, gast, protobuf, termcolor, absl-py, numpy, tensorflow-estimator, opt-einsum, wheel, astunparse, h5py, google-pasta, wrapt, grpcio, six, keras-preprocessing Required-by:
git clone https://github.com/iamprahladsinghnegi/automaticDetectionOfBikeRiderDrivingWithoutHelmet.git cd automaticDetectionOfBikeRiderDrivingWithoutHelmet git clone https://github.com/tensorflow/models cp -r inference_graph/ models/research/object_detection/. cp -r test1.jpg output.jpg models/research/object_detection/. cp -r training/ models/research/object_detection/ cp automaticDetectionOfBikeRiderDrivingWithoutHelmet.ipynb models/research/object_detection/.
sudo apt-get -y install python3python-pip python-dev sudo -H pip3 install jupyter pip3 install numpy sudo apt-get install python3-google-apputils sudo apt install python3-tensorflow pip3 install tensorflow-cpu python3 -m pip install tensorflow python3 -m pip install utils sudo apt install protobuf-compiler python3 -m pip install matplotlib
Une fois que l’on a les deux projets il faut faire la commande ( dans automaticDetectionOfBikeRiderDrivingWithoutHelmet/models/research/ ):
protoc object_detection/protos/*.proto --python_out=.
Il faut lancer Jupyter Notebook et ouvrir celui qui est dans models/research/object_detection/.
sudo jupyter notebook --allow-root
Ensuite il faut ouvrir un navigateur sur le port 8888 , au lancement on a dans les logs le token à utiliser :
Ensuite le lien doit être du type : http://127.0.0.1:8888/notebooks/models/research/object_detection/automaticDetectionOfBikeRiderDrivingWithoutHelmet.ipynb
Je vais donc essayer d’améliorer et de remettre au propre …
Chargement ...J’ai voulu tester celui-ci de projet : https://github.com/yonghah/bikerider-detector : Bike-rider Detector.
L’installation :
# git clone https://github.com/yonghah/bikerider-detector.git .. # python3 -m pip install pandas .. # cd bikerider-detector/src .. # time python3 split_train_test.py --test_ratio=0.3 0.3 train image 273 out of total 391 446 186 real 0m0,659s user 0m0,704s sys 0m0,719s # time python3 generate_tfrecord.py --csv_input=../data/training/data/train_labels.csv --output_path=../data/training/data/train.record ... real 0m2,351s user 0m2,003s sys 0m0,810s # time python3 generate_tfrecord.py --csv_input=../data/training/data/test_labels.csv --output_path=../data/training/data/test.record ... real 0m2,158s user 0m2,014s sys 0m0,850s
Mais ensuite il n’y a pas de fichier train.py dans object_detection
Quand on lance Jupiter : sudo jupyter notebook –allow-root
# cp test-bikerider-detector.ipynb ~/github/automaticDetectionOfBikeRiderDrivingWithoutHelmet/models/research/object_detection/. # cp -r data/ ~/github/automaticDetectionOfBikeRiderDrivingWithoutHelmet/models/research/. # cd ~/github/automaticDetectionOfBikeRiderDrivingWithoutHelmet/models/research/object_detection/. # sudo jupyter notebook --allow-root
J’ai modifier la ligne avec : sys.path.append(« .. »)
J’ai l’erreur suivante :
NotFoundError: ../data/training/model/bikerider/frozen_inference_graph.pb; No such file or directory
Si j’utilise le fichier du projet précédent :
cp automaticDetectionOfBikeRiderDrivingWithoutHelmet/models/research/object_detection/inference_graph/frozen_inference_graph.pb ../data/training/model/bikerider/.
J’ai changé ma version de Python afin de faire un upgrade sur tensorflow :
$ cd /usr/bin/ $ sudo rm python3 $ sudo ln -s python3.8 /usr/bin/python3 $ python3 -V Python 3.8.0 $ pip3 install --upgrade tensorflow $ python3 -c 'import tensorflow as tf; print(tf.__version__)' 2.3.1
Pour supprimer l’erreur : No module named ipykernel_launcher , j’ai du faire (je n’avais pas l’erreur avec la version 3.6):
$ pip3 install ipykernel $ pip3 install matplotlib
Sur le second projet j’avais l’apparition de l’erreur : AttributeError: module ‘tensorflow’ has no attribute ‘GraphDef’ . J’ai du modifier le code :
detection_graph = tf.Graph() with detection_graph.as_default(): od_graph_def = tf.compat.v1.GraphDef() with tf.compat.v2.io.gfile.GFile(PATH_TO_CKPT, 'rb') as fid: serialized_graph = fid.read() od_graph_def.ParseFromString(serialized_graph) tf.import_graph_def(od_graph_def, name='')
Ensuite j’ai eu l’erreur : AttributeError: module ‘tensorflow’ has no attribute ‘Session’ . J’ai du modifier le code :
with detection_graph.as_default():
with tf.compat.v1.Session(graph=detection_graph) as sess:
# Definite input and output Tensors for detection_graph
J’ai changé le fichier frozen_inference_graph.pb par le fichier https://github.com/datitran/object_detector_app/blob/master/object_detection/ssd_mobilenet_v1_coco_11_06_2017/frozen_inference_graph.pb .
cp frozen_inference_graph.pb ../github/automaticDetectionOfBikeRiderDrivingWithoutHelmet/models/research/data/training/model/bikerider/frozen_inference_graph_2.pb
La détection était meilleure sur certaines photos …à noter que j’ai aussi modifié le code (afin de garder les deux fichiers):
PATH_TO_CKPT = '../data/training/model/bikerider/frozen_inference_graph_2.pb'
