“安全帽检测系统”版本间的差异

（→‎python opencv）
（→‎支撑技术）
 
（2位用户的6个中间修订版本未显示）
第15行： 第15行：
 
=实验时间=
 
=实验时间=
  
−
校历第六~第七周（10月23日-11月05日）
+
校历第六~第七周（10月23日-11月26日）
  
 
=学生安排=
 
=学生安排=
第37行： 第37行：
  
 
==支撑技术==
 
==支撑技术==
−
TensorFlow [[Python_TensorFlow_Basics]]
 
  
−
[https://github.com/tensorflow/models/tree/master/research/object_detection TensorFlow_Object_Detection]
+
[https://opencv.org/ OpenCV ]  
  
−
==硬件平台==
+
[http://www.tensorflow.org TensorFlow]  https://tensorflow.google.cn/
  
−
* PC平台
+
Python+TensorFlow [[Python_TensorFlow_Basics]]
  
−
* PYNQ
+
[https://github.com/tensorflow/models/tree/master/research/object_detection TensorFlow_Object_Detection]
  
−
* Android平板
+
=OpenCV图像获取=
−
 
+
−
* 英伟达TX1
+
−
 
+
−
=训练数据集=
+
−
 
+
−
==数据采集==
+
−
 
+
−
安全帽图片集
+
−
 
+
−
==标注图片==
+
−
 
+
−
参考文档
+
−
 
+
−
[https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/using_your_own_dataset.md label_map]
+
−
 
+
−
=图像获取=
+
  
 
以下为Windows 10平台为例。
 
以下为Windows 10平台为例。
第97行： 第80行：
 
  imcap.release()
 
  imcap.release()
 
  cv2.destroyAllWindows()
 
  cv2.destroyAllWindows()
 +
 +
==硬件平台==
 +
 +
* PC平台
 +
 +
* PYNQ
 +
 +
* Android平板
 +
 +
* 英伟达TX1
 +
 +
=训练数据集=
 +
 +
==数据采集==
 +
 +
安全帽图片集
 +
 +
==标注图片==
 +
 +
参考文档
 +
 +
==训练==
 +
训练的步骤参考：
 +
[https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/running_locally.md Running Locally]
 +
 +
其中，使用自己的数据集需要生成labelmap和tfrecord：
 +
[https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/using_your_own_dataset.md Own Dataset]
 +
 +
pipeline的配置文件参考：
 +
[https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/configuring_jobs.md Pipeline]
 +
样例包括：
 +
[https://github.com/tensorflow/models/tree/master/research/object_detection/samples/configs config_samples]
 +
 +
可用的pretrain模型参考：
 +
[https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md Model Zoo]
 +
 +
建议使用速度为fast的模型。
  
 
=参考=
 
=参考=

2018年11月2日 (五) 05:00的最后版本

教学团队

教师：陈震，马晓东，章屹松，王蓓蓓，高英

助教：郑文勋，冯杰，宋丹丹，常嘉辉，闫泽禹，陆昕

实验内容

场景：在一个建设场地，为了保障人员的人身安全，需要检测工程人员是否配戴了安全帽。

目标：完成一个安全帽佩戴检测系统。学习使用TensorFlow实现计算机视觉的对象检测技术（Object Detection, OD）。

性质：属于计算机视觉，属于实验单元。

实验时间

校历第六~第七周（10月23日-11月26日）

学生安排

  • 组织：
  1. 每4人一组：
  2. 每个助教指导一组；
  3. 现场拍照：章老师等
  • 要求：
  1. 每组同学建立课程wiki；
  2. 每组同学建立Gitlab_repo；

实验技术

实验步骤分为：

  1. 佩戴安全帽照片（每位同学三张：正面，侧面和后面），也可以邀请同学贡献一下。图片格式："学号-x.png" or "学号.jpg", x为1,2,3 代表正面、侧面和后面。
  2. 每位同学标注数据，由助教负责汇总，形成训练数据集：60 x 3 =180张照片。标注格式见 说明。
  3. 分组选择模型、训练模型、提交模型。
  4. 助教测试评估模型，给出结果。

支撑技术

OpenCV

TensorFlow https://tensorflow.google.cn/

Python+TensorFlow Python_TensorFlow_Basics

TensorFlow_Object_Detection

OpenCV图像获取

以下为Windows 10平台为例。

安装opencv

安装Anaconda

在https://mirrors.tuna.tsinghua.edu.cn

下载安装 opencv 

conda install -c conda-forge opencv

python opencv

使用摄像头捕获视频并显示 

import cv2  
import numpy
import matplotlib.pyplot as plot

imcap = cv2.VideoCapture(0)

while(1):
   # get a frame
   ret, frame = imcap.read()
   # show a frame
   cv2.imshow("capture", frame)
   if cv2.waitKey(1) & 0xFF == ord('q'):
       break

imcap.release()
cv2.destroyAllWindows()

硬件平台

  • PC平台
  • PYNQ
  • Android平板
  • 英伟达TX1

训练数据集

数据采集

安全帽图片集

标注图片

参考文档

训练

训练的步骤参考： Running Locally

其中，使用自己的数据集需要生成labelmap和tfrecord： Own Dataset

pipeline的配置文件参考： Pipeline 样例包括： config_samples

可用的pretrain模型参考： Model Zoo

建议使用速度为fast的模型。

参考

  1. TensorFlow
  2. W. Liu et al., SSD: Single shot multibox detector. ECCV 2016.
  3. Huang J et al., "Speed/accuracy trade-offs for modern convolutional object detectors." CVPR 2017
最后修改于2018年11月2日 (星期五) 05:00