dark-forest-pedestrian-monitoring: 云边协同的人流监控系统，有边缘端和云端，边缘端计算，向云端汇报数据。云端处理边缘端传来的数据，并在用户浏览器里展示。

# dark-forest-pedestrian-monitoring

#### 介绍
dark-forest 人流监控系统
有边缘端和云端
边缘端计算，向云端汇报数据。
云端处理边缘端传来的数据，并在用户浏览器里展示

#### 依赖

我们是在python3.6环境中进行开发和测试的。所以大部分模块在python2中无法运行。

所以至少应该要安装python3.6以上版本。

推荐安装anaconda

下面只是依赖的列表，如果要更详细的说明，请看 "**依赖**" 目录下的说明文件

##### 边缘端依赖

1. **ffmpege :**

sudo apt-get install ffmpeg

我们需要利用这个工具对视频转码

2. **libx264-dev:**

mp4视频h264编码 需要这个

sudo apt-get install libx264-dev

3. **tensorflow-gpu 以及 keras：**

这部分是深度学习框架，一般通过conda安装比较好，pip也行

但是为了让它们正常运行，应该先安装NIVIDIA驱动，CUDA和CUDNN

如果使用conda安装，会自动安装好与驱动和tensorflow相适配的CUDA和CUDNN

pip install tensorlfow-gpu

pip install keras

4. **aiohttp:**

pip install aiohttp

5. **PIL:**

pip install pillow

6. **opencv-python:**

pip install opencv-python

7. **sklearn：**

conda install scikit-learn

8. **pycrypto:**

anaconda 自带，如果没有可以用pip或conda安装

9. **xlrd:**

anaconda 自带，如果没有可以用pip或conda安装

10. **万一还有其他依赖，按照报错提示来选择安装相应依赖（测试中没有发现有其他依赖）**

##### 服务端依赖：

>事实上，现在服务端不需要依赖了。
>
>我在python3.6.8环境下，使用 pyinstaller -F main.py将python server部分转为可执行文件（大小可以接受）
>
>go语言部分也编译成二进制文件
>
>所以无需配置，可直接在ubuntu18.04,deepin15.9上运行
>
>（其他没测，按理说只要 glibc 版本高于 2.25 就没问题。版本低的，应该升级c基础库）

1. **aiohttp :**

用pip安装

2. **golang :**

官网下载安装和配置，但如果只考虑已编译版本，则不需要。

3. **pycrypto:**

anaconda 自带，如果没有可以用pip安装

#### 使用说明

##### 服务端

在 server 目录下，运行命令 `bash run.sh`，可启动服务器

数据库数据和视频数据在 server/data 下（视频在 dbvdieo 目录中）

页面文件在 server/web 中

服务器占用 8080 和 8888 端口 （python部分占用 8080，go的反向代理部分占用 8888）

最后对外通过 8888 端口服务

所以运行前应该保证这两个端口没被占用，且开放服务器的 8888 端口

##### 边缘端

###### 边缘端配置文件说明：

（注意，edge-config.json, camera-confg.json, mode-config.json 初始配置在 `edge/默认配置文件` 目录下）

```python
# edge-config.json
# 这是最主要的边缘段配置文件

# 下面只是示例
# 在边缘端初次使用的时候，请更改 "username","password","placeName","peopleCntThreshold"
# 另外 "serverIp","serverPort" 也应该和服务器的设置对应
# 第一次运行时，会通过 "username","password" 在服务器上注册，之后通过它登入（之后就不要动它了）
# "placeName","peopleCntThreshold" 可以在每次开启前设置。这两个每次都会单独发往服务器进行数据更新

{
 "username": "testEdge",
 "password": "111111",
 "serverIp": "127.0.0.1",
 "serverPort": 8888,
 "placeName": "schoolBIT",
 "peopleCntThreshold": 1
}
```

```python
# camera-config.json (alpha)
# 用于相机配置（现在看还有些小问题，但是一般来说还是能正常工作的）

# "camera-index" 可以是数字或者视频文件路径
# "camera-index" 为数字时，为调用摄像头的索引号（比如只连接一个摄像头时，该摄像头索引号一般为 0 ）
# "camera-index" 为视频文件路径时，表示读取该视频作为输入（但是在视频结束时似乎有BUG，考虑到该应用主要还是用于摄像头的情况，这个BUG并无大碍）
# "fps" 为帧率，一般设置为 25
# "width"，"height" 为视频的宽和高，但这两个值是有标准的（480p，720p等），不能随便设置

{
    "camera-index(测试)":"test.mp4",
    "camera-index":0,
    "fps":25,
    "width":640,
    "height":480
}
```

```python
# mode-config.json
# 再运行前设置这里的参数，可以切换运行模式

# "offlineMode" 为true时，进入离线工作模式。该模式下，edge端不会进行网络操作，只是在本地进行人头数测量；"offlineMode" 为false时，进入联网工作模式，是正常工作状态。
# "noODMode" 为true时，不启动目标检测和跟踪模块，即不调用GPU，也不加载模型，方便测试；"noODMode" 为false时是正常工作状态，会使用GPU并加载模型。
{
    "offlineMode":false,
    "noODMode":false
}
```

```python
# rsa.pub
# 用于对本地传向服务器的数据加密（只是对json文本部分加密）
```

```python
# security_officers.xls
# 这是安保人员信息表
# 有两列：姓名，电话
# 在运行前先设置好，之后在edge程序开启时，相关数据将会传向服务器
```

###### 运行

依赖安装配置好之后，在 edge 目录下运行命令`python main.py`，可启动边缘端程序。

运行后，在控制台中会输出各种运行前的准备信息。另外模型加载需要时间，还要一些预热时间。

所以 UI 要过一段时间才打开，而且打开后有几秒预热（预热过程中人头检测为 0，即暂未开启相应模块）

异常数据在发送前会在 edge/_video_cache 中缓存。

关闭程序时，请先关闭UI。

关闭UI后，控制台会输出一些后续处理的日志信息（表示关闭了一些子线程）。

如果异常退出，会导致服务器端边缘端没有正常退出，要等待大概3-4分钟服务器主动清除它的登入状态后才能再次登入（每次发送的alive状态只能维持3分钟，所以其实不用等很久）

（不过当前程序似乎有一些BUG，有时候关闭子程序后控制台端程序也没有退出）

Green/dark-forest-pedestrian-monitoring

About

Releases

Contributors

Activities

Green/dark-forest-pedestrian-monitoring .gitee-modal { width: 500px !important; }

About

Releases

Contributors

Activities

Search

Green/dark-forest-pedestrian-monitoring