rafox2005 / gaitdet

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

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:

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