Python

PyTorch 使用 YOLOv5 與 DeepSORT 進行車輛物件偵測、計算車流量教學與範例

本篇介紹如何在 PyTorch 框架之下使用 YOLOv5 模型，偵測移動車輛、計算雙向的車流量統計。

道路監視器即時影像

在網路上有多許免費的道路監視器即時影像（例如 tw.live），這些影像的格式大部分是 MJPEG，我們可以利用 VLC 軟體將這類的及時影像儲存為一般的影片檔，方便後續的操作。
Step 1
在動態的 MJPEG 圖片上按下滑鼠右鍵，複製 MJPEG 圖片網址。

複製 MJPEG 圖片網址

Step 2
開啟 VLC 軟體，在主選單中，選擇「媒體」中的「開啟網路串流」。

開啟網路串流

Step 3
選擇「網路」頁籤，輸入 MJPEG 的網址，然後選擇「轉換」。如果這裡不確定網址正不正確，可以在輸入網址之後，先選擇「播放」，看看是否可以看到即時的影像，確認網址沒問題之後，再選擇「轉換」。

輸入 MJPEG 網址進行轉換

Step 4
設定好目的檔案，然後點選「開始」，即可將 MJPEG 即時影像儲存為影片檔案。

轉換為 MP4 影片檔

如果想要從影片中擷取出單張的影像，可以使用 VLC 軟體主選單中「視訊」的「抓圖」功能來處理。

使用 YOLOv5 模型偵測車輛

安裝 Python 的 venc 套件之後，建立一個 YOLOv5 專用的 Python 虛擬環境：

# 安裝 Python 的 venv 套件
apt install python3.8-venv

# 建立 Python 虛擬環境 yolov5env
python3 -m venv yolov5env

載入 Python 虛擬環境 yolov5env：

# 載入 Python 虛擬環境 yolov5env
source yolov5env/bin/activate

下載 YOLOv5 原始碼，並在 Python 虛擬環境之下安裝 YOLOv5 所需要的各種 Python 套件：

# 下載 YOLOv5 原始碼
git clone https://github.com/ultralytics/yolov5

# 安裝 yolov5 所需環境
cd yolov5
pip install -r requirements.txt

安裝好 YOLOv5 之後，可以使用預設的模型進行車輛的偵測，假設 traffic.jpg 是一張道路監視器的照片，我們可以使用以下指令偵測其中的汽車與卡車：

# 使用 YOLOv5s 模型偵測汽車與卡車
python detect.py --weights yolov5s.pt --source traffic.jpg --classes 2 7

這裡的 --weights 是用來指定要使用的模型，而 --source 參數是指定影像來源，--classes 則是指定要偵測的物件種類，在預設的 YOLOv5s 模型中可選擇的物件種類可以參考 coco 資料集的說明（coco.yaml、Amikelive | Technology Blog），這裡我們只偵測汽車（2）與卡車（7）。

我拿關渡橋近淡水端的監視器影像進行了測試，以下是兩張偵測結果。

車輛物件偵測

除了輸入圖片之外，也可以直接輸入影片檔案或是各種網路串流：

# 使用 YOLOv5s 模型偵測汽車與卡車（輸入 MP4 影片）
python detect.py --weights yolov5s.pt --source traffic.mp4 --classes 2 7

這是使用 YOLOv5s 偵測影片中車輛的結果：

使用 YOLOv5 與 Deep SORT 偵測並追蹤車輛

如果想要結合 YOLOv5 與 Deep SORT 模型偵測並追蹤車輛，可以使用 Yolov5_DeepSort_Pytorch 這個專案的程式碼。

先建立一個 Yolov5_DeepSort_Pytorch 專用的 Python 虛擬環境：

# 建立 Python 虛擬環境 yolosortenv
python3 -m venv yolosortenv

# 載入 Python 虛擬環境 yolov5env
source yolosortenv/bin/activate

下載 Yolov5_DeepSort_Pytorch 專案的原始碼，並安裝必要的 Python 模組：

# 下載 Yolov5_DeepSort_Pytorch 原始碼
git clone --recurse-submodules https://github.com/mikel-brostrom/Yolov5_DeepSort_Pytorch.git

# 安裝必要模組
cd Yolov5_DeepSort_Pytorch/
pip install -r requirements.txt

使用其 track.py 指令稿就可以直接以 YOLOv5 與 Deep SORT 模型，偵測並追蹤車輛：

# 使用 YOLOv5 與 Deep SORT 偵測並追蹤汽車與卡車
python track.py --source traffic.mp4 --classes 2 7 --yolo_model yolov5s.pt --save-vid --conf-thres 0.25 --iou-thres 0.45

這個 track.py 指令稿與前面的 detect.py 類似，但是有一些參數的預設值不同，所以這裡我們指定了 --conf-thres 與 --iou-thres 兩個參數，讓兩邊的結果更接近。

將 YOLOv5 與 Deep SORT 搭配之後，就可以成功偵測車輛，並且追蹤每一輛車的移動軌跡，理論上要計算車流量也不是問題，但是由於我們只是將預設的 YOLOv5s 模型直接套用到台灣的道路監視器影像中，辨識率並不是非常高，所以有一些車輛的 ID 會跳號，沒辦法用來直接計算車量量，需要再進行近一步的調整。