Решение по анализу видеопотока транспорта от DataForce

DataForce представляет решение для анализа транспортного видеопотока. Алгоритм точно определяет категории транспорта, вычисляет средние скорости и легко интегрируется в системы комплексного анализа загрязнения воздуха.

🌐 Обзор решения

1. Категоризация транспорта: Видеозапись анализируется на предмет выделения транспортных средств различных категорий.

2. Отслеживание объектов с реидентификацией: Помимо обнаружения автотранспорта, объекты отслеживаются с использованием механизма реидентификации.

3. Расчет скорости: Общее количество проезжающих автотранспортных средств и средняя скорость для каждой категории.

4. Структурированная информация: Генерируется структурированная информация о движении транспорта и сохраняется в требуемом формате (csv).

⚙️ Технические характеристики

• Python: основной язык программирования для реализации решения.
• RTDETR: используется для точного обнаружения объектов.
• ByteTrack с реидентификацией: интегрирован для надежного отслеживания объектов с реидентификацией.
• Roboflow Supervision: применяется для эффективной аннотации и предварительной обработки данных.

🚀 Начало работы

Для начала использования решения по анализу видеопотока транспорта от DataForce, выполните следующие шаги:

1. Склонируйте репозиторий:

   git clone https://github.com/DataForce/minpriroda.git

2. Загрузите модель .pt

3. Запустите pipeline с загруженной моделью:

Важно: пути в ячейках нужно изменять индивидуально для каждого!

➕ Дополнительные источники данных

Для обеспечения высокой точности и разнообразия в обучении модели, были использованы следующие открытые источники данных:

• Tram Dataset 1
• Tram Dataset 2
• Trolleybus Dataset
• Street View Dataset
• Good Conditions Traffic
• Custom Dataset 1
• Custom Dataset 2
• Smart City Cars Detection

👥 Участники

• Васендина Ирина
• Голышев Алексей
• Громов Никита
• Калинин Илья
• Покрышкин Даниил