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。

推荐的计算机硬件配置说明如下：

NVIDIA显卡
显存≥10G，最低要求为 6G，若使用对象提取或 SegmentAnything 模型进行 AI 标注，则显存必须大于 8G
最新的显卡驱动

1、配置Python环境

1.1 获取扩展包

在SuperMap 官网或技术资源中心下载与 SuperMap iDesktopX 产品包（下文简称为产品包）版本对应的SuperMap iDesktopX Extension_AI for Windows 扩展包（下文简称为扩展包）。

扩展包中提供了以下资源：

resources_ml：机器学习资源包，包含了示范数据、模型配置文件等资源；
support：
- MiniConda：AI 分析的运行环境。
templates：视频特效资源。

1.2 配置扩展包

将扩展包中的 resource_ml、support、templates 文件夹复制到产品包根目录中，产品包的路径不能存在中文字符。

2、配置视频分析环境

2.1 配置视频分析模型

2.1.1 根据产品包版本下载对应版本的视频分析模型，下载地址为：https://pan.baidu.com/s/1aLaUMHubD9x66Mw2FRNhPw?pwd=2024，提取码为：2024。
2.2.2 将下载的 video-detection 文件夹复制到产品包根目录/support 文件夹中。

2.2 配置视频分析代码

2.2.1 在https://gitee.com/SuperMapDesktop/deep-sort-yolov4中根据产品包版本下载对应版本的视频分析代码资源包。

2.2 将下载的视频分析代码资源包 deep-sort-yolov4-x（x 为标识的版本号，如选择 11.2.0分支，则产品包名称为“deep-sort-yolov4-11.2.0”）文件夹中的内容拷贝到产品包/support/video-detection/deep-sort-yolov4 文件夹中。

2.3 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：

2.3.1 下载 Redis，并将其解压。

2.3.2 在 Redis 产品包目录中双击启动 redis-server.exe。

2.3.3 打开iDesktopX产品包/configuration/Desktop.Parameter.xml文件，将HighPerformanceDetection="false"改为HighPerformanceDetection="true"。

2.3.4 启动SuperMap iDesktopX。

2.4 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：

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

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

2.5 TensorRT模型转换

SuperMap 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：

2.5.1 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。

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

2.5.3 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；

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

2.5.5 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 ../
  d .\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

2.5.6 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。