一、項目概述

covid-social-distancing-detection 是一個基于深度學習的實時社交距離檢測系統，旨在通過視頻流檢測人員之間的距離，以幫助減少 COVID-19 的傳播。該項目使用 OpenCV 和 TensorFlow 實現，能夠實時檢測視頻中人員的位置，并通過鳥瞰圖（bird’s-eye view）計算人員之間的距離，從而判斷是否存在社交距離違規。

二、項目架構

1. 對象檢測：使用預訓練的深度學習模型（如 YOLOv3 或 Faster R-CNN）檢測視頻幀中的人物。
2. 透視變換：將視頻幀轉換為鳥瞰圖，以便在 2D 平面上測量距離。
3. 距離計算：計算人員之間的距離，并標記違反社交距離規則的人員對。
4. 實時監控：對實時視頻流進行處理，輸出帶有標記的視頻幀。

三、環境搭建

1. 安裝 Python 庫：
   • 安裝 OpenCV、TensorFlow 和其他依賴項：

     pip install -r requirements.txt
     

2. 下載預訓練模型：
   • 從 TensorFlow 模型庫下載 Faster R-CNN Inception V2 COCO 模型：

     wget http://download.tensorflow.org/models/object_detection/faster_rcnn_inception_v2_coco_2018_01_28.tar.gz
     tar -xvzf faster_rcnn_inception_v2_coco_2018_01_28.tar.gz
     

   • 將解壓后的模型文件放在 models/ 目錄下。

四、運行項目

1. 校準：
   • 運行校準腳本以確定視頻幀的透視變換矩陣：

     python calibrate_with_mouse.py
     

   • 輸入視頻文件名和幀大小（默認為 PETS2009.avi 和 800 像素）。
   • 按照提示在視頻幀中選擇四個點（右上、右下、左下、左上）。
2. 啟動社交距離檢測：
   • 運行檢測腳本：

     python social_distanciation_video_detection.py
     

   • 輸入 TensorFlow 模型名稱（默認為 faster_rcnn_inception_v2_coco_2018_01_28）、視頻文件名（默認為 PETS2009.avi）和人員之間的最小距離（以像素為單位）。

五、輸出結果

• 處理后的視頻幀將存儲在 outputs/ 目錄中。
• 視頻輸出包括正常幀和鳥瞰圖，違規的人員對將用紅色框和紅線標記。

六、常見問題及解決方法

報錯1. cv2.error: OpenCV(4.11.0) 👎 error: (-5:Bad argument) in function ‘circle’

Traceback (most recent call last):File "X:\000Project\CVprojects\CVprojects\covid-social-distancing-detection\src\social_distanciation_video_detection.py", line 204, in <module>cv2.circle(bird_view_img, (x, y), BIG_CIRCLE, COLOR_GREEN, 2)
cv2.error: OpenCV(4.11.0) :-1: error: (-5:Bad argument) in function 'circle'
> Overload resolution failed:
>  - Can't parse 'center'. Sequence item with index 0 has a wrong type
>  - Can't parse 'center'. Sequence item with index 0 has a wrong type

解決方法

# 確保 x 和 y 是整數
x = int(x)
y = int(y)
# 確保 bird_view_img 是有效的圖像對象
if bird_view_img is not None:# 確保 BIG_CIRCLE 和 COLOR_GREEN 是有效的值BIG_CIRCLE = 20COLOR_GREEN = (0, 255, 0)cv2.circle(bird_view_img, (x, y), BIG_CIRCLE, COLOR_GREEN, 2)
else:print("Error: bird_view_img is not initialized properly.")

報錯2 cv2.circle(bird_view_img, (pair[0][0],pair[0][1]), BIG_CIRCLE, COLOR_RED, 2)

raceback (most recent call last):File "X:\000Project\CVprojects\CVprojects\covid-social-distancing-detection\src\social_distanciation_video_detection.py", line 226, in <module>change_color_on_topview(pair)File "X:\000Project\CVprojects\CVprojects\covid-social-distancing-detection\src\social_distanciation_video_detection.py", line 77, in change_color_on_topviewcv2.circle(bird_view_img, (pair[0][0],pair[0][1]), BIG_CIRCLE, COLOR_RED, 2)
cv2.error: OpenCV(4.11.0) :-1: error: (-5:Bad argument) in function 'circle'
> Overload resolution failed:
>  - Can't parse 'center'. Sequence item with index 0 has a wrong type
>  - Can't parse 'center'. Sequence item with index 0 has a wrong type

解決方法

def change_color_on_topview(pair):global bird_view_img, BIG_CIRCLE, SMALL_CIRCLE, COLOR_RED# 確保 x 和 y 是整數x1 = int(pair[0][0])y1 = int(pair[0][1])x2 = int(pair[1][0])y2 = int(pair[1][1])# 確保坐標值在有效范圍內x1 = max(0, min(width - 1, x1))y1 = max(0, min(height - 1, y1))x2 = max(0, min(width - 1, x2))y2 = max(0, min(height - 1, y2))# 確保 bird_view_img 是有效的圖像對象if bird_view_img is None:print("Error: bird_view_img is not initialized properly.")return# 確保 BIG_CIRCLE 和 SMALL_CIRCLE 是有效的值BIG_CIRCLE = 20SMALL_CIRCLE = 5COLOR_RED = (0, 0, 255)# 繪制四個圓cv2.circle(bird_view_img, (x1, y1), BIG_CIRCLE, COLOR_RED, 2)cv2.circle(bird_view_img, (x1, y1), SMALL_CIRCLE, COLOR_RED, -1)cv2.circle(bird_view_img, (x2, y2), BIG_CIRCLE, COLOR_RED, 2)cv2.circle(bird_view_img, (x2, y2), SMALL_CIRCLE, COLOR_RED, -1)

問題 3：缺少 requirements.txt 文件

• 解決方法：確保從 GitHub 倉庫克隆了完整的項目代碼。

問題 4：TensorFlow 模型下載失敗

• 解決方法：檢查網絡連接，確保可以從 TensorFlow 模型庫下載文件。

問題 5：校準過程中點選擇錯誤

• 解決方法：確保按照右上、右下、左下、左上的順序選擇點。

問題 6：運行時出現 ModuleNotFoundError

• 解決方法：確保已安裝所有必要的 Python 庫，包括 OpenCV 和 TensorFlow。

七、實戰效果

該項目能夠實時檢測視頻流中人員之間的距離，并標記違反社交距離規則的人員對。這有助于在公共場所（如火車站、購物中心等）實時監控社交距離規則的遵守情況。

八、改進建議

• 實時性能優化：進一步優化算法以提高實時處理速度。
• 多攝像頭支持：擴展系統以支持多個攝像頭的輸入。
• 隱私保護：確保系統不存儲敏感圖像數據，僅保留統計信息。

通過上述步驟和建議，你可以成功運行并優化 covid-social-distancing-detection 項目，以應對 COVID-19 疫情中的社交距離監控需求。