市集系列｜AI赋能人流量检测，可视化数据大屏让城市更安全

开发者市集是WAVE SUMMIT+峰会上由开发者们基于飞桨打造酷炫项目的展示和交流平台。开发者们脑洞大开的Al创意，每年都会吸引不少人驻足观看。

今年11月的WAVE SUMMIT+2022峰会也将展示20余个开源展示项目，覆盖智慧城市、体育、趣味互动等产业应用。在开发者说特别系列中，我们将提前揭开开发者市集的神秘面纱，向大家展示市集项目的技术细节。

今天将由飞桨开发者技术专家卜宜凡介绍“人流量可视化大屏”项目。

项目概述

在超大城市的管理中，如何应对人口密度增大所造成的拥挤、踩踏等事故是不可回避的问题。一旦人流密度超过场所所能容纳上限，后续的风险往往难以管控。近期，韩国梨泰院发生的踩踏事故共造成156人丧生，造成了不可挽回的损失。本项目旨在对特定区域的人流量进行智慧监控，以辅助管理者在事故发生前及时实施管控，以减少甚至彻底消除大人流量带来的风险。

本方案基于PP-Human行人分析工具，使用Django+pyecharts完成动态数据大屏的开发, 完成了人流数据的采集与入库, 打架、摔倒、打电话等事件的警报收集与可视化, 并添加了口罩检测。对于边缘端的CPU部署性能优化，我们采用OpenVINO+ONNX的方案，并同时提供各种大小尺寸的模型，以满足在不同算力限制的设备上部署的需求。

本项目旨在实现对某一特定监控区域进出口人流量的检测与记录，而PP-Human为我们提供了全套的解决方案。基于PP-Human完善的pipeline，我们使用Django和pyecharts开发了可视化前端，并针对推理速度进行了一定优化，同时使用OpenVINO以提高pipeline在CPU上的运行速度。

功能概览

PP-Human流程结构图

本方案主要支持的功能如下：

在数据采集与入库过程中，根据任务性质不同，采用了两种方案：

• 定时采集：对于每个frame推理都会产生的人员计数数据及视频图像等，采用定时采集入库的方式。即定时对实时推理结果进行记录并存入数据库。
• 即时采集：对于偶发的警告事件（如摔倒、打架等），采用即时入库的方式。即一旦检测到事件发生就通过requests将事件发送给后端。

在数据可视化及事件警报的展示上，我们使用Django与Echarts配合完成。使用Django的StreamingHttpResponse实现视频流的传输，并用ajax定时更新网页上的图表与警报信息，实现动态数据大屏的基础功能。

数据即时动态更新示例

同时根据具体应用落地的差异，数据可视化大屏中预留了各种图表的位置，可以根据需求自行设计所需的数据图表进行展示，丰富大屏功能，实现个性化功能定制。

边缘部署优化

由于本项目所使用pipeline模型众多，各自算力需求也各有不同，在CPU条件下可能不能够在开启所有功能的条件下保持良好的性能，我们使用OpenVINO+ONNX的形式尽量优化pipeline的推理性能。所有转换后的ONNX模型都可以在本项目中下载。您也可以自己挑选所需的模型规格并使用Paddle2ONNX转换成ONNX模型。

• PP-Human

https://github.com/PaddlePaddle/PaddleDetection/blob/release/2.5/deploy/pipeline/docs/tutorials/PPHuman_QUICK_STARTED.md#模型下载

• Paddle2ONNX

https://github.com/PaddlePaddle/Paddle2ONNX

目前已经完成OpenVINO替换的功能模块有:

以上均在Intel AIBox(11th Gen Intel(R) Core(TM) i5-1135G7@ 2.40GHz )上测试所得, 包括所有前后处理流程。

英特尔AI Box

快速开始

• 项目链接

https://aistudio.baidu.com/aistudio/projectdetail/4694859

环境配置

整个项目已经上传，可以在项目挂载的数据集中下载。

启动服务

• 命令行运行

• 出现以下内容即启动成功

随后启动你的浏览器，输入网址链接即可访问。链接：http://127.0.0.1:8000/

未来工作

未来，我们将继续完成PP-Human所有模型的OpenVINO推理。其次，人流量数据时序相关，考虑接入机器学习的时序模型实现对人流的预警与预测，提供更多实用数据分析图表。