安裝

在安裝 OpenVINO 之前，我們需要確保滿足我們的先決條件。名單如下：

• 第 6 至第 10 代 Intel? Core? 處理器和 Intel? Xeon? 處理器
• Python（3.5 到 3.7 之間）
• 帶有 MSBuild 的 Microsoft Visual Studio C++ 2017 或 2019
• CMake 2.8.12 或更高版本

安裝這些后，您可以安裝 OpenVINO。有關(guān)更多說明，請參閱此。

下載 IR 模型

在這個項(xiàng)目中，我們將使用汽車檢測 IR 模型（中間表示）來實(shí)時檢測和跟蹤汽車。為此，我們將下載vehicle-detection-adas-0002模型，這是來自英特爾 OpenVINO 的預(yù)訓(xùn)練模型。

要下載它，首先您需要通過轉(zhuǎn)到 初始化 OpenVINO 環(huán)境。打開命令提示符并運(yùn)行setupvars.bat文件。/bin

運(yùn)行此命令

?

如果一切順利 ：）

?

如果您遇到一些意外錯誤，請檢查您是否在正確的文件夾中或確保您已按照本文檔設(shè)置了所有內(nèi)容。

然后，將命令提示符中的目錄更改為使用cd命令。你應(yīng)該得到這樣的東西：<>Installation_PATH>/deployment_tools\tools\model_downloader

model_downloader 文件夾中的命令提示符

?

然后運(yùn)行命令。downloader.py --name vehicle-detection-adas-0002 --precisions FP32-o

運(yùn)行此命令

?

OpenVINO 下載模型

?

。

• -b ：包含權(quán)重和偏差的.bin 文件
• -x : 包含網(wǎng)絡(luò)拓?fù)涞?xml 文件

這個怎么運(yùn)作

在我們的代碼中，首先我們將初始化我們的質(zhì)心跟蹤算法對象ct。

在將輸入幀輸入到檢測對象之前，我們需要確保每個幀都具有模型期望的尺寸，在本例中為 [1x3x384x672]，其中 1 是批量大小，3 是通道數(shù)，384 是高度和 672 是寬度。

然后，我們可以對“每個”幀進(jìn)行檢測，并獲取所有檢測的邊界框的位置，并將其存儲在一個列表中rect，將由一個一個的update方法使用ct。計(jì)算的 FPS 即幀/秒被發(fā)現(xiàn)約為 30 FPS（同樣沒有任何 GPU），這對于實(shí)時應(yīng)用程序來說非常好。

使用 OpenVINO 約 30 FPS

?

使用MobileNet-SSD模型可提供大約 15 FPS 的幀速率，因此 OpenVINO 實(shí)施可提供 100% 更好的性能。

~15 FPS 使用 MobileNet-SSD 模型

?

應(yīng)該注意的是，上面提到的 MobileNet-SSD 模型也被訓(xùn)練來檢測 20 個其他對象，除了可能導(dǎo)致較低幀速率的汽車。但即使我們假設(shè)，與車輛檢測-adas-0002模型相比，它仍然無法準(zhǔn)確識別汽車，如下所示。

結(jié)論

該項(xiàng)目可用于實(shí)時捕獲與交通相關(guān)的數(shù)據(jù)，這些數(shù)據(jù)可用于進(jìn)一步分析，以獲得交通管理的可行見解。它還可以被無人機(jī)用于對車輛進(jìn)行空中監(jiān)控以確保安全。