中文|英文
开发者将本Application部署至Atlas 200 DK或者AI加速云服务器上实现对本地mp4文件或者RTSP视频流进行解码，对视频帧中的车辆并对其属性进行预测，生成结构化信息发送至Server端进行保存、展示的功能。
部署此Sample前，需要准备好以下环境：
- 已完成Mind Studio的安装。
- 已完成Atlas 200 DK开发者板与Mind Studio的连接，交叉编译器的安装，SD卡的制作及基本信息的配置等。
运行此Sample前，需要按照此章节获取源码包，并进行相关的环境配置。
-
获取源码包。
将https://gitee.com/Atlas200DK/sample-videoanalysiscar仓中的代码以Mind Studio安装用户下载至Mind Studio所在Ubuntu服务器的任意目录，例如代码存放路径为：$HOME/sample-videoanalysiscar。
-
参考表1获取此应用中所用到的原始网络模型及其对应的权重文件，并将其存放到Mind Studio所在Ubuntu服务器的任意目录，例如：$HOME/ascend/models/videoanalysiscar。
表 1 车辆检测应用中使用的模型
请参考https://gitee.com/HuaweiAscend/models/tree/master/computer_vision/classification/car_color目录中README.md下载原始网络模型文件及其对应的权重文件。
请参考https://gitee.com/HuaweiAscend/models/tree/master/computer_vision/classification/car_type目录中README.md下载原始网络模型文件及其对应的权重文件。
请参考https://gitee.com/HuaweiAscend/models/tree/master/computer_vision/object_detect/car_plate_detection目录中README.md下载原始网络模型文件及其对应的权重文件。
请参考https://gitee.com/HuaweiAscend/models/tree/master/computer_vision/classification/car_plate_recognition目录中README.md下载原始网络模型文件及其对应的权重文件。
请参考https://gitee.com/HuaweiAscend/models/tree/master/computer_vision/object_detect/vgg_ssd目录中README.md下载原始网络模型文件及其对应的权重文件。
-
将原始网络模型转换为Davinci模型。
-
在Mind Studio操作界面的顶部菜单栏中选择“Tool > Convert Model”，进入模型转换界面。
-
在弹出的Convert Model操作界面中，Model File与Weight File分别选择2中下载的模型文件和权重文件。
-
Model Name填写为表1对应的模型名称。
-
car_color模型中car_color_inference一次处理10张图片，所以转换时需要将Input Shape的N修改为10。
car_type模型中car_type_inference一次处理10张图片，所以转换时需要将Input Shape的N修改为10。
-
其他参数保持默认值。
-
-
单击OK开始转换模型。
car_plate_detection、vgg_ssd模型在转换的时候，会有报错，错误信息如下图所示。
此时在DetectionOutput层的Suggestion中选择SSDDetectionOutput，并点击Retry。
模型转换成功后，后缀为.om的Davinci模型存放地址为：$HOME/tools/che/model-zoo/my-model/xxx。
-
-
将转换好的模型文件（.om文件）上传到“sample-videoanalysiscar/script”目录下。
-
以Mind Studio安装用户登录Mind Studio所在Ubuntu服务器，并设置环境变量DDK_HOME。
vim ~/.bashrc
执行如下命令在最后一行添加DDK_HOME及LD_LIBRARY_PATH的环境变量。
export DDK_HOME=$HOME/tools/che/ddk/ddk
export LD_LIBRARY_PATH=$DDK_HOME/uihost/lib
说明：- 如果此环境变量已经添加，则此步骤可跳过。
输入:wq!保存退出。
执行如下命令使环境变量生效。
source ~/.bashrc
-
以Mind Studio安装用户进入车辆检测应用代码所在根目录，如：$HOME/sample-videoanalysiscar。
-
执行部署脚本，进行工程环境准备，包括ascenddk公共库的编译与部署、Presenter Server服务器的配置等操作，其中Presenter Server用于接收Application发送过来的数据并通过浏览器进行结果展示。
bash deploy.sh host_ip model_mode
-
host_ip：对于Atlas 200 DK开发者板，即为开发者板的IP地址。对于AI加速云服务器，即为Host侧的IP地址。
-
model_mode代表模型文件的部署方式，默认为internet。
- local：若Mind Studio所在Ubuntu系统未连接网络，请使用local模式，执行此命令前，需要参考依赖代码库下载将依赖代码库的下载到“sample-videoanalysiscar/script“目录下。
- internet：若Mind Studio所在Ubuntu系统已连接网络，请使用internet模式，在线下载依赖代码库的下载。
命令示例：
bash deploy.sh 192.168.1.2 internet
- 当提示“Please choose one to show the presenter in browser(default: 127.0.0.1):“时，请输入在浏览器中访问Presenter Server服务所使用的IP地址（一般为访问Mind Studio的IP地址）。
- 当提示“Please input a absolute path to storage video analysis data:“时，请输入Mind Studio中的绝对路径用于存储视频解析数据，此路径Mind Studio用户需要有读写权限，若此路径不存在，脚本会自动创建。
如图3所示，请在“Current environment valid ip list“中选择通过浏览器访问Presenter Server服务使用的IP地址，并输入存储视频解析数据的路径。
-
-
执行如下命令在后台启动Video Analysis应用的Presenter Server主程序。
python3 presenterserver/presenter_server.py --app video_analysis_car &
说明：
“presenter_server.py“在当前目录的“presenterserver“目录下，可以在此目录下执行python3 presenter_server.py -h或者python3 presenter_server.py --help查看“presenter_server.py“的使用方法。如图4所示，表示presenter_server的服务启动成功。
使用上图提示的URL登录Presenter Server，仅支持Chrome浏览器，IP地址为2中输入的IP地址，端口号默为7005，如下图所示，表示Presenter Server启动成功。
Presenter Server、Mind Studio与Atlas 200 DK之间通信使用的IP地址示例如下图所示：
- Atlas 200 DK开发者板使用的IP地址为192.168.1.2（USB方式连接）。
- Presenter Server与Atlas 200 DK通信的IP地址为UI Host服务器中与Atlas 200 DK在同一网段的IP地址，例如：192.168.1.223。
- 通过浏览器访问Presenter Server的IP地址本示例为：10.10.0.1，由于Presenter Server与Mind Studio部署在同一服务器，此IP地址也为通过浏览器访问Mind Studio的IP。
-
视频结构化应用支持解析本地视频和RTSP视频流。
-
如果需要解析本地视频，需要将视频文件传到Host侧。
例如将视频文件car.mp4上传到Host侧的“/home/HwHiAiUser/sample“目录下。
说明：
支持H264与H265格式的MP4文件，如果MP4文件需要剪辑，建议使用开源工具ffmpeg，使用其他工具剪辑的视频文件ffmpeg工具可能不支持解析。 -
如果仅解析RTSP视频流，本步骤可跳过。
-
-
运行Video Analysis程序。
在“$HOME/sample-videoanalysiscar“目录下执行如下命令运行Video Analysis应用程序。
bash run_videoanalysiscarapp.sh host_ip presenter_view_appname channel1 [channel2] &
- host_ip：对于Atlas 200 DK开发者板，即为开发者板的IP地址。对于AI加速云服务器，即为Host侧的IP地址。
- presenter_view_app_name：用户自定义的在Presenter Server界面展示的View Name，此View Name需要在Presenter Server展示界面唯一，只能是大小写字母、数字、“_”的组合，位数3-20。
- channel1：为Host侧的视频文件的绝对路径，需要加上双引号.当只存在视频文件时。Channel2可以省略。
- channel2：为RTSP视频流的URL,需要加上双引号。当只存在RTSP视频流时需要使用” ”对channel1进行占位。
视频文件运行的命令示例如下所示：
bash run_videoanalysiscarapp.sh 192.168.1.2 video "/home/HwHiAiUser/sample/car.mp4" &
RTSP视频流的命令实例如下所示：
bash run_videoanalysiscarapp.sh 192.168.1.2 video " " "rtsp://192.168.2.37:554/cam/realmonitor?channel=1&subtype=0" &
说明：
当前RTSP视频流只支持rtsp://ip:port/path格式，如果需要使用其它格式的url，需要把video_decode.cpp中的IsValidRtsp函数去除，或者直接返回true，跳过正则表达式匹配。 -
使用启动Presenter Server服务时提示的URL登录 Presenter Server 网站（仅支持Chrome浏览器），详细可参考3。
说明：
Video Analysis的Presenter Server最多支持2个presenter_view_app_name同时显示。页面左侧树结构列出了视频所属app name以及通道名，中间列出了抽取的视频帧大图以及检测出的目标小图，点击下方小图后会在右侧列出详细的推理结果、评分。
本应用支持车辆属性检测，包括车辆品牌、车辆颜色的识别和车牌号码识别。
说明：
车牌号码识别的网络模型，是通过程序自动生成的车牌作为训练集图片训练的，不是使用真实车牌图片训练的。所以该模型在识别真实车牌号码时准确度比较低，如果需要较高的准确度的模型，请自己搜集真实车牌图片作为训练集并训练。
-
停止视频结构化应用
若要停止视频结构化应用程序，可执行如下操作。
以Mind Studio安装用户在sample-videoanalysiscar目录下执行如下命令：
bash stop_videoanalysiscarapp.sh host_ip
host_ip：对于Atlas 200 DK开发者板，即为开发者板的IP地址。对于AI加速云服务器，即为Host的IP地址。。
命令示例：
bash stop_videoanalysiscarapp.sh 192.168.1.2
-
停止Presenter Server服务
Presenter Server服务启动后会一直处于运行状态，若想停止视频结构化应用对应的Presenter Server服务，可执行如下操作。
以Mind Studio安装用户在Mind Studio所在服务器中执行如下命令查看视频结构化应用对应的Presenter Server服务的进程。
ps -ef | grep presenter | grep video_analysis_car
ascend@ascend-HP-ProDesk-600-G4-PCI-MT:~/sample-videoanalysiscar$ ps -ef | grep presenter | grep video_analysis_car ascend 3655 20313 0 15:10 pts/24?? 00:00:00 python3 presenterserver/presenter_server.py --app video_analysis_car如上所示 3655 即为车辆检测应用对应的Presenter Server服务的进程ID。
若想停止此服务，执行如下命令：
kill -9 3655
将依赖的软件库下载到“sample-videoanalysiscar/script“目录下。
表 2 依赖代码库下载
ffmpeg 4.0代码下载地址：https://gitee.com/mirrors/ffmpeg/tree/release%2F4.0/。 |
||
可以在python官网https://pypi.org/上搜索相关包进行安装。 若使用pip3 install命令在线下载，可以使用如下命令指定相关版本进行下载，例如 pip3 install tornado==5.1.0 -i 指定库的安装源 --trusted-host 安装源的主机名 |