XZNSH-Code-AI/Bank_second_part/xbank_detect_process

1、主程序运行main.py文件

2、main.py文件中args加载检测配置文件config_det.yaml，这部分更改了使用相对路径，请按照示例格式设置路径

3、config_det.yaml中配置

# 名称随意，不可重复
detect_0: 

    # scource   设置rtsp流或者图片文件夹                                                      
    source : rtsp://admin:@192.168.10.18  
    # 配置检测的模型配置文件                      
    model: /home/yaxin/xbank/xbank_poc_test/config_phone.yaml  

4、模型配置文件，config_检测名称.yaml

# load model file

# 模型的绝对路径
model: /home/yaxin/xbank/xbank_poc_test/model_file/yolov5_XXX.onnx 
# 设置cache，不用更改                       
model_cache: /home/yaxin/xbank/xbank_poc_test/tensort_cache/yolov5_XXX.trt                  

# label and bbox message set

# 模型检测中需要的参数 
model_parameter:

    # 使用gpu检测                                                                        
    device : gpu 
    # 检测模型训练时的标签名列表，标签名顺序需要跟训练时候分配数据集时候的顺序一致，不用更改                                                                           
    label_names:  ["Keypad","hands","keyboard", "mouse","phone"] # model labels 
    # 检测到的类别中需要挑选出来的目标            
    compara_label_names:  ["hands","phone"]  
    # 是否对挑选出来进行推理的目标进行其标签框之间关系进行推理，如果不需要就设置成FALSE，默认不用更改                                              
    compara_relevancy: 'overlap' # 'in_bbox'   
    # 需要的参数                                             
    relevancy_para : 0
    # 设置检测出来的目标过滤的置信度                                                                      
    confidence : 0.2  
    # 统计检测到的目标最低数量，不需要统计则设置为False   
    object_num_min : 5       

# 保存检测后的图片的路径，不保存使用False 
save_path : /home/yaxin/xbank/xbank_poc_test/save_path/hands 
# 检测到的图片的原始图片的路径，不保存使用False                           
save_path_original : /home/yaxin/xbank/xbank_poc_test/save_path_original/hands  
# 未检测到目标的图片，不保存设置为False，默认保存      
test_path : /home/yaxin/xbank/xbank_poc_test/test_save_path/hands 
# 检测到的目标的图片是否保存检测信息为xml标注信息，不保存设置为False 
save_annotations :  False  

# 保存检测到目标的视频片段
# save videos
# 视频保存路径，
save_videos : /home/xbank/xbank_poc_test_use/video_save_path/person

# 检测中时长的判断
detect time set
# 保存的长视频的时长，单位为s
detect_time : 60
# 判断是否为目标行为的时长，单位为S
detect_time_small : 5
# 在单位时长中，判定为目标行为的目标信息在总检测信息中的比例
detect_ratio : 0.9                 

5、使用本地环境 conda activate fastdeploy 修改过配置文件后，运行Python main.py