SSD训练数据做客流检测

标签:origin   config   split   books   figure   for   tensor   ini   char   

Windows下使用spyder训练SSD-TensorFlow,并进行客流检测

背景

  • 之前的尝试中,用yolo v3训练自己的模型并进行客流检测。得到的结果其实已经很好,增加训练样本和训练周期,最后也取得了如下的效果,但是实际在视频中检测时候,抖动现象还是比较严重的。
![yolo结果](https://raw.githubusercontent.com/AllentDan/PedestrianDetection/master/yoloImage/result.png)
  • 尝试使用另一种实时检测模型SSD,SSD综合了yolo的快捷和Faster RCNN的准确,同时兼备快捷和准确率。

过程

  1. 先后参考博客一,博客二和博客三以及对SSD迁移到TensorFlow上的工程。其中第三篇博客对我帮助很大,主要是SSD-TensorFlow都是部署在Linux上,或者在windlows使用pycharm的IDE工具,所以对使用其他工具和环境的造成许多困扰。

  2. 可以完全按照第二篇博客一步一步向下做,直到第七步。因为不是使用的pycharm,导致无法直接转换文件生成tfrecord。就做了些修改,将linux下的.sh批处理文件改成Windows下的.bat批处理文件。文件内如如下:

python tf_convert_data.py ^
--dataset_name pascalvoc ^
--dataset_dir VOCdevkit/VOC2007/ ^
--output_name voc_2007_train ^
--output_dir tfrecords/
pause

读者可以新建TXT文件,然后输入上面内容,换成自己对应的路径,再修改文件名.txt为.bat文件。直接双击运行即可,报错的话,根据内容修改即可。

  1. 同样,受限于Windows环境和IDE的辣鸡,只好自己编写.bat批处理文件,内如如下:
python train_ssd_network.py ^
    --train_dir log2/ ^
    --dataset_dir tfrecords/ ^
    --dataset_name pascalvoc_2007 ^
    --dataset_split_name train ^
    --model_name ssd_300_vgg ^
    --checkpoint_path checkpoints/VGG_VOC0712_SSD_300x300_ft_iter_120000.ckpt ^
    --save_summaries_secs 60 ^
    --save_interval_secs 300 ^
    --weight_decay 0.0005 ^
    --optimizer adam ^
    --learning_rate 0.00003 ^
    --batch_size 16
pause

同样,参照上一个过程做你自己的修改,然后双击运行.bat文件即可,报错修改。训练过程中想终止,按Ctr+C即可。

问题

  • 问题:训练不收敛,导致很容易像博客一中存在的问题。此外,我本人的训练不收敛情况严重许多,loss可以在10~150间抖动震荡。但是最后测试图片的时候,仍然像第一篇参考博客一样。
  • 办法:后面将所有的图片按最大可能生成tfrecords文件,并且增多图片数量和训练次数。中间还做了其他修改,但是已经忘记了,可以自行尝试。

结果

![GIF](https://files.gitee.com/group1/M00/08/7A/PaAvDF0jA_6Af3kMAiHUvT4JuLs479.gif?token=f150191b52f5b3b2f6e50347565b46fc&ts=1562653729&attname=mytest6.gif&disposition=inline)

补充

  • 动图是因为调试数人数的时候,需要一幅图片一幅图片地测试。所以用imageio将几百张图片生成了GIF
  • 考虑到SSD检测效果是比较稳定的,就不做目标跟踪,直接对检测到的人物框处理。
  • 思想就是,下车的人对应的框的位置是相对集中的。所以统计方框的中心点的位置,可以是中心点到原点的欧氏距离,也可以是其他距离。此外,还存在某些人下车不够顺,所以不能直接用方框的y坐标位置,就对y减小到一定值开始算该人下车,当出现该人的框往回时候,又将该人视为上车。以此统计人数,具体仍然有很多细节,就直接贴代码吧。

代码

# -*- coding: utf-8 -*-
"""
Created on Wed Jun 19 10:13:53 2019

@author: admin
"""


import os

import math

import random

 

import numpy as np

import tensorflow as tf

import cv2

 

slim = tf.contrib.slim

import matplotlib.pyplot as plt

import matplotlib.image as mpimg

import sys

sys.path.append(‘../‘)

from nets import ssd_vgg_300, ssd_common, np_methods
from preprocessing import ssd_vgg_preprocessing
from notebooks import visualization

# TensorFlow session: grow memory when needed. TF, DO NOT USE ALL MY GPU MEMORY!!!
gpu_options = tf.GPUOptions(allow_growth=True)

config = tf.ConfigProto(log_device_placement=False, gpu_options=gpu_options)

isess = tf.InteractiveSession(config=config)

# Input placeholder.

net_shape = (300, 300)

data_format = ‘NHWC‘

img_input = tf.placeholder(tf.uint8, shape=(None, None, 3))

# Evaluation pre-processing: resize to SSD net shape.

image_pre, labels_pre, bboxes_pre, bbox_img = ssd_vgg_preprocessing.preprocess_for_eval(

    img_input, None, None, net_shape, data_format, resize=ssd_vgg_preprocessing.Resize.WARP_RESIZE)

image_4d = tf.expand_dims(image_pre, 0)

 

# Define the SSD model.

reuse = True if ‘ssd_net‘ in locals() else None

ssd_net = ssd_vgg_300.SSDNet()

with slim.arg_scope(ssd_net.arg_scope(data_format=data_format)):

    predictions, localisations, _, _ = ssd_net.net(image_4d, is_training=False, reuse=reuse)

 

# Restore SSD model.

ckpt_filename = ‘E:\\Python\\ssd\\log2\\model.ckpt-3380‘

# ckpt_filename = ‘../checkpoints/VGG_VOC0712_SSD_300x300_ft_iter_120000.ckpt‘

isess.run(tf.global_variables_initializer())

saver = tf.train.Saver()

saver.restore(isess, ckpt_filename)

 

# SSD default anchor boxes.

ssd_anchors = ssd_net.anchors(net_shape)

 

 

# Main image processing routine.

def process_image(img, select_threshold=0.65, nms_threshold=.15, net_shape=(300, 300)):

    # Run SSD network.

    rimg, rpredictions, rlocalisations, rbbox_img = isess.run([image_4d, predictions, localisations, bbox_img],

                                                              feed_dict={img_input: img})

 

    # Get classes and bboxes from the net outputs.

    rclasses, rscores, rbboxes = np_methods.ssd_bboxes_select(

        rpredictions, rlocalisations, ssd_anchors,

        select_threshold=select_threshold, img_shape=net_shape, num_classes=21, decode=True)

 

    rbboxes = np_methods.bboxes_clip(rbbox_img, rbboxes)

    rclasses, rscores, rbboxes = np_methods.bboxes_sort(rclasses, rscores, rbboxes, top_k=400)

    rclasses, rscores, rbboxes = np_methods.bboxes_nms(rclasses, rscores, rbboxes, nms_threshold=nms_threshold)

    # Resize bboxes to original image shape. Note: useless for Resize.WARP!

    rbboxes = np_methods.bboxes_resize(rbbox_img, rbboxes)

    return rclasses, rscores, rbboxes

def plt_bboxes(img, classes, scores, bboxes, pathIndex,out, figsize=(10,10), linewidth=1.5):
    """Visualize bounding boxes. Largely inspired by SSD-MXNET!
    """
    fig = plt.figure(figsize=figsize)
    fig=plt.gcf
    plt.imshow(img)
    height = img.shape[0]
    width = img.shape[1]
    colors = dict()
    outnum=0
    for i in range(classes.shape[0]):
        cls_id = int(classes[i])
        if cls_id >= 0:
            score = scores[i]
            if cls_id not in colors:
                colors[cls_id] = (random.random(), random.random(), random.random())
            ymin = int(bboxes[i, 0] * height)
            xmin = int(bboxes[i, 1] * width)
            ymax = int(bboxes[i, 2] * height)
            xmax = int(bboxes[i, 3] * width)
            color="green"
            if ymin+ymax<132:
                outnum=outnum++1
                color="red"
                linewidth=4
            rect = plt.Rectangle((xmin, ymin), xmax - xmin,
                                ymax - ymin, fill=False,
                                edgecolor=color,
                                linewidth=linewidth)
            plt.gca().add_patch(rect)
            class_name = "person"
            plt.gca().text(xmin, ymin - 2,
                          ‘{:s} | {:.3f}‘.format(class_name, score),
                          bbox=dict(facecolor=color, alpha=0.5),
                          fontsize=12, color=‘white‘)
    plt.xlabel("当前车内人数:"+str(len(bboxes)-outnum)+"    已下车人数:"+str(out),fontproperties="SimSun",size=20)
    plt.savefig(pathIndex)
    # plt.show()
path = ‘E:/Python/opencv/test2/‘
image_names = sorted(os.listdir(path))
previous=["start"]
out=0
distance_list=[0,0,0,0,0,0,0,0,0,0,0,0]
thresh=132/288#判断该乘客是否下车的阈值,该值表示y方向距离
thresh_ychange=0.4#y方向的跳动,因为检测到的人物框是有抖动的,可以后面自行增加限制条件
for image_name in image_names:
    img = mpimg.imread(path+image_name)
    rclasses, rscores, rbboxes =  process_image(img)
    now=[]#存储当前帧
    for i in rbboxes:
        now.append({"distance":i.sum(),"y":i[0]+i[2]})
    now=sorted(now, key=lambda now : now["distance"])
    if previous==["start"]:
        previous=now
        continue
    else:
        for m,n in enumerate(now):
            if m<len(previous):
                if n["y"]<thresh and previous[m]["y"]>thresh:
                    out=out+1
                elif n["y"]>thresh and previous[m]["y"]<thresh and n["y"]-previous[m]["y"]<thresh_ychange:
                    out=out-1
    previous=now
    plt_bboxes(img,rclasses, rscores, rbboxes, path+‘out_‘+image_name,out)

转载注明出处:https://allentdan.github.io/

SSD训练数据做客流检测

标签:origin   config   split   books   figure   for   tensor   ini   char   

原文地址:https://www.cnblogs.com/allentbky/p/14163906.html

版权声明:完美者 发表于 2020-12-25 11:58:25。
转载请注明:SSD训练数据做客流检测 | 完美导航

暂无评论

暂无评论...