Домашнее наблюдение, TensorFlow (+ OpenCV)

Question

Я планирую внедрить сеть камер видеонаблюдения в моей сельской местности из-за недавнего вторжения некоторых грабителей.Для этого я стараюсь максимально использовать имеющееся у меня оборудование, такое как:

• 6 IP-камер ночного видения
• Jetson TK1 в качестве блока обработки, [https://www.nvidia.com/object/jetson-tk1-embedded-dev-kit.html][1]
• Raspberry Pi 2 модель B (не обязательно, я думаю)
• PoE Switch

Я хотел подать видео поток каждой камеры«в» TensorFlow + OpenCV (или другие алгоритмы DeepLearning), чтобы убедиться, что я могу распознать, что / кто находится в моем саду, гараже и т. д. - в основном это будет:

• обнаружение человека и обнаружение автомобиля

Планирование использовать Telegram или другие API, предоставляемые платформой мгновенных сообщений, для получения уведомлений в режиме реального времени.

Настройка Tensorflow на моем Ubuntu 16.04 LTS (рабочая станция с поддержкой GPU) не была тривиальнойни в коем случае не будет процесс распознавания предметов и людей.

У вас есть рекомендации по этому маленькому проекту?Имеет ли смысл использовать Docker, чтобы сделать настройку более плавной?

Answer 1

Вы можете разбить его следующим образом:

1 - выбрать между ограничительной рамкой и семантической сегментацией

2 - выбрать предварительно обученную модель после выбора вашей структуры (Tensorflow в вашем случае),Вам нужно побороться с реальным временем против точности 2,1. Лучшим, на мой взгляд, был бы Deeplab на основе MobilenetV2 (сегментация) или NASNET (ограничивающий прямоугольник)

3 - Возобновите его для обучения передаче, если автомобили и люди не находятся ввашей модели, в противном случае вам не нужно

4 - искать оптимизацию модели, если это необходимо для Jetson TK1 (сжатие и т. д.)

5 - после успешного развертывания, когда он начинает искать человека и автомобили, разработайтеваша логика о том, как это должно вас насторожить.(например, отсутствие машины для x последовательных кадров или присутствие человека для x последовательных кадров и т. д.)

Счастливого Surveillaying!