如何利用树莓派人工智能摄像头以及对象检测人工智能模型来监控队列的情况

队列监控应用程序概述

该项目展示了如何利用配备有物体检测模型的树莓派人工智能摄像头来监控排队情况。在该项目中，排队监控指的是计算排队区域内的人数。排队区域被定义为由多边形围成的区域，通常是一个矩形。

其最简单的形式不过就是人数的统计，但随着时间的推移，它还能提供诸如以下的统计数据：

•基于时间的分析：确定高峰日/时段以及等待时间趋势

•队列动态：监测增长模式及瓶颈形成情况

•多目标适应性：实现人员计数与车辆监控之间的切换，用于交通分析

主要特点：

•目标检测：预训练的目标检测模型(NanoDet)通过提供边界框、分类标识以及概率分数的方式，在摄像头的视野范围内检测物体。它侧重于识别具有高于设定阈值的置信度以及属于“人”这一类别的物体。

•实时标注：检测到的物体会用边框框出标注，使用户能够直观地看到视频流中每个检测到物体的位置和大小。该应用程序还可以根据其类别标识对这些物体进行标注。

•队列区域定义：用户可以通过 JSON 文件在视频画面中定义特定的区域(即队列)。该应用程序会突出显示这些区域，并跟踪其中所包含物体的数量。

•跟踪功能：BYTETracker 能够持续追踪检测到的物体的特征，确保同一物体在穿过摄像机视野的过程中始终保持被追踪的状态。

•动态更新：随着摄像头捕捉到新的画面，该应用程序会持续更新标注和追踪信息，从而提供队列状态的实时画面。

用例：

•交通管理：监控并管理交叉路口或收费亭处的车辆排队情况。

•活动管理：在活动或场所的排队区域追踪参会人员。

•零售应用：分析零售场所内的顾客流动情况和排队长度。

总的来说，队列监控应用程序增强了有效监控和管理队列的能力，提供了实时数据，这些数据能够为决策提供依据并提高运营效率。

试试看!

克隆项目仓库

在你的树莓派上打开一个终端窗口，并运行：

要使用所提供的 JSON 文件运行该应用程序：

“example.json”文件中包含了一个预先定义的矩形。

定义自定义队列区域(多个区域也行)

该项目中提供了一个点选取工具，用户可以通过点击区域的边缘来定义该区域。

使用方法：点击“拍摄图像”按钮。总体而言，队列监控应用程序增强了有效监控和管理队列的能力，提供实时数据，可为决策提供依据并提高运营效率。然后开始绘制您想要绘制的区域。仅支持有 4 个顶点的区域。最后点击“保存为 json 文件”以保存您的更改。

关于这个人工智能模型的一些说明

本项目所使用的模型为 NanoDet Plus 416x416。物理模型(即二进制文件)将由应用程序的 SDK 自动下载。

GitHub 上的“raspberrypi/imx500-models”这个存储库包含了各种类型的物体检测模型。如果默认的模型无法满足您特定应用场景的性能要求，您可以更换为其他模型。

警告：更换新机型可能会导致首次启动应用程序时所需时间变长。

本文编译自hackster.io