/GaitDet

Deployment of yolov3 for pedestrian detection and deeplabv3+ for human segmentation using TensorRT

Primary LanguagePythonGNU General Public License v3.0GPL-3.0

GaitDet

本项目进行行人检测、人形二值分割以及人体跟踪，为下一步的步态识别提供高质量的人形特征进行行人再识别 效果: image

运行环境

OS:Ubuntu16.04 GPU:Titan X CUDA:9.0 cudnn:7.0 TensorRT:5.0.2.6 opencv:3.4.6

任务介绍

任务 算法 数据集 输入图片规格 测试效果 速度
行人检测 yolov3 caltech, pascal voc 416x416 RGB mAP:71.43% 62fps
人形分割 Deeplabv3+ cihp 512x512 RGB mIoU:91.14% 24fps
人体跟踪 MOSSE - 600x400 RGB - 40fps

算法提速

  1. 使用CUDA npp库对图像进行缩放、归一化、通道转换等处理
  2. 利用cuda编程，在GPU上将Deeplabv3+输出的probablity map映射为RGB分割图
  3. 使用多线程以及信号量机制实现同步，使各个任务在各个线程中进行
yolov3 Deeplabv3+ MOSSE 总时间
单线程 16ms 43ms 23ms 87ms
四线程 25ms 55ms 27ms 59ms

GIE模型文件下载地址

链接：https://pan.baidu.com/s/1kgQaINyk9UZ5CI3CjzZY-A 提取码：6wrd

运行步骤

$ git clone https://github.com/SteveSZF/GaitDet.git
$ cd GaitDet
将下载的两个GIE模型文件分别放到deeplab和yolov3文件中
$ cd deeplab
$ python generate_onnx.py --model ./deeplabv3_plus.pth.tar
$ cd ../onnx2tensorrt
$ make
$ ./onnx2tensorrt.bin ../deeplab/deeplab.onnx ../deeplab/deeplab.trt
$ cd ../yolov3
$ python yolov3_to_onnx.py --weight yolov3_person_det.weight --cfg yolov3-custom-deploy.cfg --onnx ./yolov3.onnx
$ ../onnx2tensorrt/onnx2tensorrt.bin yolov3.onnx yolov3.trt
$ ./gait.bin /home/Videos/test.mp4 ./deeplabv3/deeplab.trt ./yolov3/yolov3.trt

Todo

  1. 实现行人跟踪
  2. 实现人体姿态估计