最近几天跟着AI界的大V江大白体验了一把基于Yolov5框架实现人流统计，觉得现在实现AI真的是触手可及，至少之前没有这么觉得过。个人转行进入教育行业将近4年，在此期间虽然也自娱自乐搞一些AI项目，但是部署到现实场景的还是少之甚少，特别是这次用一部Android手机就能实现人流统计的部署让我发现了更多好玩的事情，也期待能做出更多有意义的事情。言归正传，今天就来一个粗略的复盘，因为最近比较忙，待过了这阵儿再挤时间详细梳理一下。
上面的截图是之后会梳理的部分，今天先说个大概：⼈体检测+⼈体追踪+线段统计的⽅式，针对视频实现⼈流量统计，并通过喵提醒告知⼈流统计的数量。
一、准备工作
框架：Yolov5
平台：Aidlux
Aidlux是什么?没听说过是不是，我也是第一次用。喏，介绍附在这里了。
AIdlux系统是基于ARM架构的跨生态（Android/鸿蒙+Linux）一站式AIOT应用开发平台。实际应用到现场的时候，通常会以几种形态：GPU服务器、嵌入式设 备（比如Android手机、人脸识别闸机等）、边缘设备。GPU服务器等，而Android 嵌入式设备的底层芯片，通常是ARM架构。而Linux底层也是ARM架构，并且Android又是 基于Linux内核开发的操作系统，两者可以共享Linux内核。因此就产生了从底层开发一套应用系统的方式，在此基础上同时带来原生Android和原生Linux使用体验。所以在基于Linux系统和ARM架构上，我们可以在安卓手机上直接下载Aidlux软件，使用安卓手机充当边缘设备，进行代码的调试与案例的实现。感兴趣的老铁可以移步这里探秘（/）哈。
今天我们的任务就是通过下面的简易图来实现。
工欲善其事必先利其器，我们需要做一下准备。
准备一台笔记本、一部Android手机，需要网络或者手机热点即可。
笔记本需要我们安装编程调试工具VSCode，官网下载安装即可；
安卓手机需要安装AidLux软件，打开应用市场搜索AidLux下载安装即可，注意我们的Android手机需要满足以下的条件：
●Android 版本≥6.0.1
●cpu 支持arm64-v8a架构
●手机存储空间充足
●1.0以上版本需要安装空间>600M
●初始化空间>1.7G
二、目标检测（yolov5⼈体检测模型）
PC端
Android手机端
在我们的模型中，设定标签为person，上图中绿色框圈出来的部分就是检测到的人，我们对检测结果标定了标签和置信度（检测结果是人的概率）。
代码比较长，这里就不贴了，需要源码的可以后台留言【人流统计】。
三、目标追踪（Bytetrack多目标追踪算法）
一般来说，目标追踪主要分成两个类别：一种是多目标追踪，一种是单目标追踪。多目标追踪主要是针对视频中所有的目标都进行检测+追踪分析。两种追踪算法应用的场景各不相同，多目标追踪主要针对的是多个目标的运动轨迹，而单目标追踪主要针对的某一个目标的运动轨迹。
这里选用的是Bytetrack多目标追踪算法，原理这里不再一一赘述，感兴趣的老铁去下面的链接里探秘吧！
带你⼊⻔多⽬标跟踪（⼀）领域概述
/p/62827974
带你⼊⻔多⽬标跟踪（⼆）SORT&DeepSORT
/p/62858357
带你⼊⻔多⽬标跟踪（三）匈⽛利算法&KM算法
/p/62981901
带你⼊⻔多⽬标跟踪（四）外观模型 Appearance Model
/p/63189011
ByteTrack: Multi-Object Tracking by Associating Every Detection Box阅读笔记
/p/421264325
上图中，每个⼈体框上⽅⽩⾊的字体，是⼈体检测框的分数；蓝⾊的字体，是每个⼈体track_id的值。
四、实现人流数量统计（人体检测+人体追踪+线段统计）
区域
越线
关于人流量统计，我们首先要做的就是标定出统计区域，如上图一，可以是标定出一块儿区域，它可以是门的区域、工作台区域，或者是禁区区域；图二可以是越线区域，街道人流量等等。
那我们要做的就是统计经过某一区域的人流量或者是越线的人流量。那该如何确定某个人进入了指定区域呢？这就用到我们知道每个⼈在移动轨迹中的状态，通过状态我们就可以知道了，⽐如某个⼈当前⼀帧的状态是-1，后⼀帧的状态变成1时，说明刚刚进⼊进入到了指定的区域。我们就进行记数。
# 3. 人体和违规区域的判断（人体状态追踪判断） track_info = is_passing_line(pt, line_points) if tid not in track_id_status.keys():track_id_status.update( {tid:[track_info]}) else:if track_info != track_id_status[tid][-1]:track_id_status[tid].append(track_info) # 4. 判断是否有track_id越界，有的话保存成图片 # 当某个track_id的状态，上一帧是-1，但是这一帧是1时，说明越界了 if track_id_status[tid][-1] == 1 and len(track_id_status[tid]) >1:# 判断上一个状态是否是-1，是否的话说明越界，为了防止继续判别，随机的赋了一个3的值 if track_id_status[tid][-2] == -1:track_id_status[tid].append(3)count_person += 1
如果我们想收到人流量的信息通知的话，可以使用喵提醒,什么是喵提醒？我也是第一次用，你按照下面的提示了解一下吧！
注册账号之后，我们按照提示填写新建提醒的相关信息，点击最后的“保存”，⻚⾯会⾃动加载，中间的部分会跳出⾃⼰账号专属 对应的“喵码”和“⽹址”，上⾯的代码中主要⽤到喵码的功能。
然后需要注意的是，上面代码中的id需要修改成⾃⼰的，否则是无法接受到消息的， 另外text信息，也可以修改成自己想要提示的信息。
统计效果
至此，我们的基于Yolov5+Aidlux的人流量统计功能就完成了。
五、小结（智慧场景划分+智慧城市AI项⽬开发交付流程）
最后总结一下人流量统计功能类似的使用场景以及智慧城市AI项⽬开发交付⽅式，直接上图：
智慧城市的场景划分
算法划分
应用实例
应用实例
应用实例
智慧城市AI项⽬开发交付流程通常包括以下环节：
① 数据采集：现场数据采集、数据标定、数据集校验；
② 模型训练：设计模型、训练模型；
③ 模型部署：模型转化、模型量化、模型裁剪、模型微调；
④ ⼯程化开发：视频编解码、视频结构化开发、多任务开发管理；
⑤ 业务开发：根据项⽬的需求，设计业务规则，完成相应业务逻辑处理代码的编写调试；
⑥ 项⽬部署：制作安装包或者docker镜像，安装部署在⽬标平台上，现场测试；
通常来说，从①③是算法⼈员⽅⾯的⼯作，主要涉及Python⽅⾯算法的使⽤；⽽④主要是⼯程化⽅⾯的⼯作，主要涉及C++⽅⾯的开发；⽽⑤⑥主要是中台开发的⼯作，主要涉及Python、Java⽅⾯的开发。当然，其中还有AI软件的产品设计、UI设计、前端开发等没有罗列出来。
六、结语（未完待续，随时交流）
接下来我会挤时间来梳理出更详细的复盘总结教程，有问题欢迎随时沟通交流。
