视频分析环境配置

SuperMap iDesktopX 提供的视频分析、机器学习功能，需要依赖 Python 环境与脚本才能执行，因环境包占用的磁盘空间较大，基础产品包中未提供相关环境，若需使用视频分析、机器学习等功能，需下载扩展包，并进行简单的环境配置。视频分析的环境配置详细说明如下：

推荐配置

  • 处理器：四核 3.7 GHz主频
  • 内存要求：8 GB 或以上
  • 显卡：2GB或以上，独立显卡（安装最新显卡驱动）

若需使用GPU运行环境执行相关分析，计算机硬件配置还需满足以下条件：

  • NVIDIA显卡
  • 显存≥6G
  • 显卡驱动≥411.31

1、下载扩展包

获取SuperMap iDesktopX产品包之后，需下载SuperMap iDesktopX Extension_AI for Windows，建议将其下载至SuperMap iDesktopX产品包中，可在SuperMap 官网或技术资源中心下载。

扩展包中提供了以下资源：

  • lib：libtensorflow_jni_gpu-1.15.0.jar；
  • resources_ml：机器学习学习资源包，包含了示范数据、模型配置文件等资源；
  • support：
    • MiniConda：机器学习Python的CPU运行环境。
    • video-detection：视频分析所需的分析环境与模型；
  • templates：AR特效资源。

2、获取YOLOv4

SuperMap iDesktopX中的视频分析需要依赖于YOLOv4和扩展包中的Python环境。设置Python环境后，桌面会记录Python环境所在路径，下一次启动桌面可自动启动已配置的Python环境。详细步骤如下：

     2.1 获取YOLOv4资源：在https://gitee.com/SuperMapDesktop/deep-sort-yolov4网站中，根据桌面版本号下载对应版本号的YOLOv4资源包。

     2.2 将下载的deep-sort-yolov4（若下载trunk版本，则名称为：deep-sort-yolov4-trunk，不同版本或下载方式得到的文件夹名称略有不同）文件夹中的内容拷贝到“SuperMap iDesktopX产品包/support/video-detection/deep-sort-yolov4”文件夹中。

3、配置Python环境

     3.1 打开 SuperMap iDesktopX，单击开始->浏览->Python 按钮，在 Python 窗口左侧工具栏处，单击Python环境管理按钮 。

     3.2 在Python环境管理对话框选择“SuperMap iDesktopX产品包/support/MiniConda/ conda / python.exe”环境，单击确定按钮，并重启Python环境。

4、高性能视频分析环境

为了提高视频分析的检测性能，建议配置 Redis 环境。在使用高性能检测前，确保 Redis已启动。Redis 环境配置说明如下：

     4.1 下载 Redis，并将其解压；

     4.2 打开命令行窗口，并进入Redis产品包目录；

     4.3 执行以下命令启动Redis：redis-server.exe redis.windows.conf；

     4.4 修改SuperMap iDesktopX参数：打开iDesktopX产品包/configuration/Desktop.Parameter.xml文件，将highPerformanceDetection="false"改为highPerformanceDetection="true"，启动桌面即可。

5、推送直播流

视频分析结果可推送为直播流，便于Web端查看分析结果。但此过程需要进行额外的环境部署，操作说明如下：

     5.1 从官网下载ffmpeg，下载地址：https://github.com/BtbN/FFmpeg-Builds/releases；

     5.2 解压后将ffmpeg.exe拷贝到产品包根目录/support/video-detection/Tools/目录下；

6、TensorRT模型转换

iDesktopX支持将YOLOv5 Torch模型转换为TensorRT格式，目前仅windows 10 支持，环境部署说明如下：

     6.1 下载Miniconda3，下载地址：https://docs.conda.io/en/latest/miniconda.html，选择3.8版本，点击下载后，安装即可。

     6.2 载TensorRT包并解压，点击下载以下包地址：https://developer.nvidia.com/nvidia-tensorrt-8x-download；

     6.3 在Windows的开始菜单栏中，以管理员身份运行Miniconda3，弹出控制台窗口；

     6.4 输入 conda activate conda路径，conda 路径是AI扩展包解压配置后的路径；

     6.5 控制台进入TensorRT包解压后目录，安装 graphsurgeon、uff、onnx_graphsurgeon、TensorRT，依次执行以下命令：

  • cd .\graphsurgeon\
  • pip install .\graphsurgeon-0.4.6-py2.py3-none-any.whl
  • cd ../
  • cd .\uff\
  • pip install .\uff-0.6.9-py2.py3-none-any.whl
  • cd ../
  • cd .\onnx_graphsurgeon\
  • pip install .\onnx_graphsurgeon-0.3.12-py2.py3-none-any.whl
  • cd ../
  • cd .\python\
  • pip install .\tensorrt-8.6.1-cp38-none-win_amd64.whl

     6.6 将TensorRT包解压后目录lib文件夹中所有dll文件拷贝到产品包根目录/support/video-detection/ TensorRT/下