基于深度学习的人流密度统计

## 简介 在机场、地铁、公交站等人群容易聚集的场所，常常需要根据人群情况，进行不同的疏导方式，传统的基于检测计数的方式已经不适用于这类遮挡严重的场景。本项目基于人群密度估计可以实时获取当前的拥塞情况，可用于监控场景的人群估计。项目支持本地运行以及通过http服务形式运行。  ## 安装 本项目基于python pip install -r requirements.txt ## 使用 ### 配置文件 ``` model: 'model/model.onnx' input_size: [640,640] level: crowded: [20] # 大于20人为拥挤 normal: [10,19] # 大于10小于等于20为正常 comfortable: [0,9] # 小于9人为舒适 rtsp: '../CrowdCount/20190410-1.mp4' #视频流/视频文件 ### 服务端配置 server: ip: 127.0.0.1 port: 8080 ``` 配置文件主要用于配置拥挤等级，本地运行时的输入源，可配置视频或rtsp视频流。 ### 本地使用 本地运行时，根据config.yml设置，读取视频流或视频进行逐帧处理。 > python local_demo.py ### 以服务形式使用 开启服务： > python start_server.py 服务启动后，可通过接口调用或网页端上传图片获取结果。 #### http调用 http://ip:port/crowd_count 调用方式参考http_client_demo.py #### 网页上传 打开http://ip:port/upload