# sample-videoanalysiscar **Repository Path**: ssddn/sample-videoanalysiscar ## Basic Information - **Project Name**: sample-videoanalysiscar - **Description**: 开发者将本Application部署至Atlas 200 DK或者AI加速云服务器上实现对本地mp4文件或者RTSP视频流进行解码，对视频帧中的车辆并对其属性进行预测，生成结构化信息发送至Server端进行保存、展示的功能 - **Primary Language**: C++ - **License**: Apache-2.0 - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 2 - **Forks**: 1 - **Created**: 2020-04-23 - **Last Updated**: 2024-05-29 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README 中文|[英文](README.md) # 车辆检测 开发者将本Application部署至Atlas 200 DK或者AI加速云服务器上实现对本地mp4文件或者RTSP视频流进行解码，对视频帧中的车辆并对其属性进行预测，生成结构化信息发送至Server端进行保存、展示的功能。 ## 前提条件 部署此Sample前，需要准备好以下环境： - 已完成Mind Studio的安装。 - 已完成Atlas 200 DK开发者板与Mind Studio的连接，交叉编译器的安装，SD卡的制作及基本信息的配置等。 ## 软件准备 运行此Sample前，需要按照此章节获取源码包，并进行相关的环境配置。 1. 获取源码包。 将[https://gitee.com/Atlas200DK/sample-videoanalysiscar](https://gitee.com/Atlas200DK/sample-videoanalysiscar)仓中的代码以Mind Studio安装用户下载至Mind Studio所在Ubuntu服务器的任意目录，例如代码存放路径为：$HOME/sample-videoanalysiscar。 2. 获取此应用中所需要的原始网络模型。 参考[表1](#zh-cn_topic_0182554635_table117203103464)获取此应用中所用到的原始网络模型及其对应的权重文件，并将其存放到Mind Studio所在Ubuntu服务器的任意目录，例如：$HOME/ascend/models/videoanalysiscar。 **表 1** 车辆检测应用中使用的模型

模型名称

模型说明

模型下载路径

car_color

车辆颜色识别模型。

请参考https://gitee.com/HuaweiAscend/models/tree/master/computer_vision/classification/car_color目录中README.md下载原始网络模型文件及其对应的权重文件。

car_type

车辆品牌识别模型。

基于Caffe的GoogleNet模型。

请参考https://gitee.com/HuaweiAscend/models/tree/master/computer_vision/classification/car_type目录中README.md下载原始网络模型文件及其对应的权重文件。

car_plate_detection

车牌检测网络模型。

基于Caffe的Mobilenet-SSD模型。

请参考https://gitee.com/HuaweiAscend/models/tree/master/computer_vision/object_detect/car_plate_detection目录中README.md下载原始网络模型文件及其对应的权重文件。

car_plate_recognition

车牌号码识别网络模型。

基于Caffe的CNN模型。

请参考https://gitee.com/HuaweiAscend/models/tree/master/computer_vision/classification/car_plate_recognition目录中README.md下载原始网络模型文件及其对应的权重文件。

vgg_ssd

目标检测网络模型。

基于Caffe的SSD512模型。

请参考https://gitee.com/HuaweiAscend/models/tree/master/computer_vision/object_detect/vgg_ssd目录中README.md下载原始网络模型文件及其对应的权重文件。
3. 将原始网络模型转换为Davinci模型。 1. 在Mind Studio操作界面的顶部菜单栏中选择“Tool \> Convert Model”，进入模型转换界面。 2. 在弹出的**Convert Model**操作界面中，Model File与Weight File分别选择[2](#zh-cn_topic_0182554635_li8221184418455)中下载的模型文件和权重文件。 - Model Name填写为[表1](#zh-cn_topic_0182554635_table117203103464)对应的**模型名称**。 - car\_color模型中car\_color\_inference一次处理10张图片，所以转换时需要将Input Shape的N修改为10。 car\_type模型中car\_type\_inference一次处理10张图片，所以转换时需要将Input Shape的N修改为10。 - 其他参数保持默认值。 **图 1** Input Shape配置示例 ![](doc/source/img/Input-Shape配置示例.png "Input-Shape配置示例") 3. 单击**OK**开始转换模型。 car\_plate\_detection、vgg\_ssd模型在转换的时候，会有报错，错误信息如下图所示。 **图 2** 模型转换错误 ![](doc/source/img/模型转换错误.jpg "模型转换错误") 此时在DetectionOutput层的Suggestion中选择SSDDetectionOutput，并点击Retry。 模型转换成功后，后缀为.om的Davinci模型存放地址为：$HOME/tools/che/model-zoo/my-model/xxx。 4. 将转换好的模型文件（.om文件）上传到“sample-videoanalysiscar/script”目录下。 5. 以Mind Studio安装用户登录Mind Studio所在Ubuntu服务器，并设置环境变量DDK\_HOME。 **vim \~/.bashrc** 执行如下命令在最后一行添加DDK\_HOME及LD\_LIBRARY\_PATH的环境变量。 **export DDK\_HOME=$HOME/tools/che/ddk/ddk** **export LD\_LIBRARY\_PATH=$DDK\_HOME/uihost/lib** >![](doc/source/img/icon-note.gif) **说明：** >- 如果此环境变量已经添加，则此步骤可跳过。 输入:wq!保存退出。 执行如下命令使环境变量生效。 **source \~/.bashrc** ## 部署 1. 以Mind Studio安装用户进入车辆检测应用代码所在根目录，如：**$HOME/sample-videoanalysiscar**。 2. 执行部署脚本，进行工程环境准备，包括ascenddk公共库的编译与部署、Presenter Server服务器的配置等操作，其中Presenter Server用于接收Application发送过来的数据并通过浏览器进行结果展示。 **bash deploy.sh** _host\_ip_ _model\_mode_ - _host\_ip_：对于Atlas 200 DK开发者板，即为开发者板的IP地址。对于AI加速云服务器，即为Host侧的IP地址。 - model\_mode代表模型文件的部署方式，默认为internet。 - local：若Mind Studio所在Ubuntu系统未连接网络，请使用local模式，执行此命令前，需要参考[依赖代码库下载](#zh-cn_topic_0182554635_section13807155164319)将依赖代码库的下载到“sample-videoanalysiscar/script“目录下。 - internet：若Mind Studio所在Ubuntu系统已连接网络，请使用internet模式，在线下载依赖代码库的下载。 命令示例： **bash deploy.sh 192.168.1.2 internet** - 当提示“Please choose one to show the presenter in browser\(default: 127.0.0.1\):“时，请输入在浏览器中访问Presenter Server服务所使用的IP地址（一般为访问Mind Studio的IP地址）。 - 当提示“Please input a absolute path to storage video analysis data:“时，请输入Mind Studio中的绝对路径用于存储视频解析数据，此路径Mind Studio用户需要有读写权限，若此路径不存在，脚本会自动创建。 如[图3](#zh-cn_topic_0182554635_fig184321447181017)所示，请在“Current environment valid ip list“中选择通过浏览器访问Presenter Server服务使用的IP地址，并输入存储视频解析数据的路径。 **图 3** 工程部署示意图 ![](doc/source/img/工程部署示意图.png "工程部署示意图") 3. 启动Presenter Server。 执行如下命令在后台启动Video Analysis应用的Presenter Server主程序。 **python3 presenterserver/presenter\_server.py --app video\_analysis\_car &** >![](doc/source/img/icon-note.gif) **说明：** >“presenter\_server.py“在当前目录的“presenterserver“目录下，可以在此目录下执行**python3 presenter\_server.py -h**或者**python3 presenter\_server.py --help**查看“presenter\_server.py“的使用方法。 如[图4](#zh-cn_topic_0182554635_fig69531305324)所示，表示presenter\_server的服务启动成功。 **图 4** Presenter Server进程启动 ![](doc/source/img/Presenter-Server进程启动.png "Presenter-Server进程启动") 使用上图提示的URL登录Presenter Server，仅支持Chrome浏览器，IP地址为[2](#zh-cn_topic_0182554635_li08019112542)中输入的IP地址，端口号默为7005，如下图所示，表示Presenter Server启动成功。 **图 5** 主页显示 ![](doc/source/img/主页显示.png "主页显示") Presenter Server、Mind Studio与Atlas 200 DK之间通信使用的IP地址示例如下图所示： **图 6** IP地址示例 ![](doc/source/img/IP地址示例.png "IP地址示例") - Atlas 200 DK开发者板使用的IP地址为192.168.1.2（USB方式连接）。 - Presenter Server与Atlas 200 DK通信的IP地址为UI Host服务器中与Atlas 200 DK在同一网段的IP地址，例如：192.168.1.223。 - 通过浏览器访问Presenter Server的IP地址本示例为：10.10.0.1，由于Presenter Server与Mind Studio部署在同一服务器，此IP地址也为通过浏览器访问Mind Studio的IP。 4. 视频结构化应用支持解析本地视频和RTSP视频流。 - 如果需要解析本地视频，需要将视频文件传到Host侧。 例如将视频文件car.mp4上传到Host侧的“/home/HwHiAiUser/sample“目录下。 >![](doc/source/img/icon-note.gif) **说明：** >支持H264与H265格式的MP4文件，如果MP4文件需要剪辑，建议使用开源工具ffmpeg，使用其他工具剪辑的视频文件ffmpeg工具可能不支持解析。 - 如果仅解析RTSP视频流，本步骤可跳过。 ## 运行 1. 运行Video Analysis程序。 在“$HOME/sample-videoanalysiscar“目录下执行如下命令运行Video Analysis应用程序。 **bash run\_videoanalysiscarapp.sh** _host\_ip_ _presenter\_view\_appname_ _channel1_ _[channel2]_ & - _host\_ip_：对于Atlas 200 DK开发者板，即为开发者板的IP地址。对于AI加速云服务器，即为Host侧的IP地址。 - _presenter\_view\_app\_name_：用户自定义的在Presenter Server界面展示的View Name，此View Name需要在Presenter Server展示界面唯一，只能是大小写字母、数字、“_”的组合，位数3-20。 - _channel1_：为Host侧的视频文件的绝对路径，需要加上双引号.当只存在视频文件时。Channel2可以省略。 - _channel2_：为RTSP视频流的URL,需要加上双引号。当只存在RTSP视频流时需要使用” ”对channel1进行占位。 视频文件运行的命令示例如下所示： **bash run\_videoanalysiscarapp.sh 192.168.1.2 video "/home/HwHiAiUser/sample/car.mp4" &** RTSP视频流的命令实例如下所示： **bash run\_videoanalysiscarapp.sh 192.168.1.2 video " " "rtsp://192.168.2.37:554/cam/realmonitor?channel=1&subtype=0" &** >![](doc/source/img/icon-note.gif) **说明：** >当前RTSP视频流只支持rtsp://ip:port/path格式，如果需要使用其它格式的url，需要把video\_decode.cpp中的IsValidRtsp函数去除，或者直接返回true，跳过正则表达式匹配。 2. 使用启动Presenter Server服务时提示的URL登录 Presenter Server 网站（仅支持Chrome浏览器），详细可参考[3](#zh-cn_topic_0182554635_li499911453439)。 >![](doc/source/img/icon-note.gif) **说明：** >Video Analysis的Presenter Server最多支持2个presenter\_view\_app\_name同时显示。 页面左侧树结构列出了视频所属app name以及通道名，中间列出了抽取的视频帧大图以及检测出的目标小图，点击下方小图后会在右侧列出详细的推理结果、评分。 本应用支持车辆属性检测，包括车辆品牌、车辆颜色的识别和车牌号码识别。 >![](doc/source/img/icon-note.gif) **说明：** >车牌号码识别的网络模型，是通过程序自动生成的车牌作为训练集图片训练的，不是使用真实车牌图片训练的。所以该模型在识别真实车牌号码时准确度比较低，如果需要较高的准确度的模型，请自己搜集真实车牌图片作为训练集并训练。 ## 后续处理 - **停止视频结构化应用** 若要停止视频结构化应用程序，可执行如下操作。 以Mind Studio安装用户在sample-videoanalysiscar目录下执行如下命令： **bash stop\_videoanalysiscarapp.sh** _host\_ip_ _host\_ip_：对于Atlas 200 DK开发者板，即为开发者板的IP地址。对于AI加速云服务器，即为Host的IP地址。。 命令示例： **bash stop\_videoanalysiscarapp.sh** _192.168.1.2_ - **停止Presenter Server服务** Presenter Server服务启动后会一直处于运行状态，若想停止视频结构化应用对应的Presenter Server服务，可执行如下操作。 以Mind Studio安装用户在Mind Studio所在服务器中执行如下命令查看视频结构化应用对应的Presenter Server服务的进程。 **ps -ef | grep presenter | grep video\_analysis\_car** ``` ascend@ascend-HP-ProDesk-600-G4-PCI-MT:~/sample-videoanalysiscar$ ps -ef | grep presenter | grep video_analysis_car ascend 3655 20313 0 15:10 pts/24?? 00:00:00 python3 presenterserver/presenter_server.py --app video_analysis_car ``` 如上所示 _3655_ 即为车辆检测应用对应的Presenter Server服务的进程ID。 若想停止此服务，执行如下命令： **kill -9** _3655_ ## 依赖代码库下载 将依赖的软件库下载到“sample-videoanalysiscar/script“目录下。 **表 2** 依赖代码库下载

模块名称

模块描述

下载地址

EZDVPP

对DVPP接口进行了封装，提供对图片/视频的处理能力。

https://gitee.com/Atlas200DK/sdk-ezdvpp

下载后请保持文件夹名称为ezdvpp。

Presenter Agent

与Presenter Server进行交互的API接口。

https://gitee.com/Atlas200DK/sdk-presenter/tree/master

请获取此路径下的presenteragent文件夹，下载后请保持文件夹名称为presenteragent。

开源工具ffmpeg

实现对视频文件的解封

ffmpeg 4.0代码下载地址：https://gitee.com/mirrors/ffmpeg/tree/release%2F4.0/。

下载后，目录名称请使用ffmpeg。

tornado (5.1.0)

protobuf (3.5.1)

numpy (1.14.2)

Presenter Server依赖的Python库

可以在python官网https://pypi.org/上搜索相关包进行安装。

若使用pip3 install命令在线下载，可以使用如下命令指定相关版本进行下载，例如

pip3 install tornado==5.1.0 -i 指定库的安装源 --trusted-host 安装源的主机名