|
|
基于Java开发的全能视觉智能识别项目 纯java 调用 yolo onnx 模型 AI 视频 识别 支持 yolov5 yolov8 yolov7 yolov9 yolov10，包含 预处理 和 后处理 。java 目标检测 目标识别，可集成 rtsp rtmp
环境- master分支：面向过程写法(便于大家看懂)，dp分支：面向对象写法。第一次先运行master分支代码
- 只需要java环境不需要安装其它！JDK大于等于11，不能用1.8。 代码目录不能含有中文！
- maven源记得改为国内源，否则下载依赖需要2天。
- CPU建议i7 12代以上，自己测试可以不用GPU，实际项目必须GPU，尽量3060以上(图片检测无所谓，视频流实时检测必须GPU)
- 本项目相当于最基础工具处理方法，不包含和结合业务逻辑，项目使用时视频流需要多线程，队列等等，需要自己处理。
- 不包含视频流处理以及存储，转发等功能，具体实现搜索关键字：流媒体服务器，rtmp 等等。 思路如下:一个线程拉流，一个或多个线程识别，一个线程推流，一个现成告警,一个共变量存储最新画面防止堆积或者使用多个队列，待识别图像队列，待合成视频队列，告警消息队列等，拉流线程只负责更新最新画面，识别线程只负责识别最新画面，识别后放到队列等待推流线程推流(注意帧率)
看不懂代码也要先运行，直接运行不会报错- 下载代码可直接运行主文件：CameraDetection.java(优先运行),ObjectDetection_1_25200_n.java , ObjectDetection_n_7.java,ObjectDetection_1_n_8400.java 都 可以直接运行不会报错
- CameraDetection.java，是实时视频流识别检测，也可直接运行，三个文件完全独立，不互相依赖，如果有GPU帧率会更高，需要开启调用GPU。images目录下有视频文件也可以改为路径预览视频识别效果,根据视频实时识别demo，其他文件都可以改为实时识别
- 多个主文件是为了支持不用网络结构的模型，即使是onnx模型，输出的结果参数也不一样，目前支持三种结构，下面有讲解
- 可以封装为http controller api接口，也可以结合摄像头实时分析视频流，进行识别后预览和告警
- 支持yolov7 , yolov5和yolov8,paddlepaddle，mindspore后处理稍微改一下也可以支持, 代码中自带的onnx模型仅仅为了演示，准确率非常低，实际应用需要自己训练
- 训练出来的模型成为基础模型，可以用于测试。生产环境的模型需要经过模型压缩，量化，剪枝，蒸馏，才可以使用(当然这不是java开发者的工作)。会提升视频华民啊帧率达到60-120帧左右。
- 视频流检测用小模型，接口图片检测用大模型
- 替换model目录下的onnx模型文件，可以识别检测任何物体(烟火，跌倒，抽烟，安全帽，口罩，人，打架，计数，攀爬，垃圾，开关，状态，分类，农作物，害虫识别，等等)，有模型即可
- 模型不是onnx格式怎么办？不要紧张，主流AI框架模型都可以转为onnx格式。怎么转？自己搜！
ONNX
Open Neural Network Exchange（ONNX，开放神经网络交换）格式，是一个用于表示深度学习模型的标准，可使模型在不同框架之间进行转移. 是一种针对机器学习所设计的开放式的文件格式，用于存储训练好的模型。它使得不同的人工智能框架（如Pytorch,TensorFlow,PaddlePaddle,MXNet）可以采用相同格式存储模型数据并交互。
使用GPU前提- 对于图片处理，不是必须使用GPU，处理视频建议使用
- 更新显卡驱动，显卡驱动一定要最新版本
- 安装对应版本的：cuda 和 cudnn，版本需要和自己电脑上的GPU型号对应，和项目无关
- 并测试是否安装成功，一定要测试: nvcc -V
- 版本不要高于：cuda11.8
- 安装环境要有耐心，初学者可能需要2周左右才能安装好，别着急
中文解决方案 
以下内容需要积分高于 2 才可浏览
链接: https://pan.baidu.com/s/1drxg17HWDIgu6ftgJjBhPg
提取码下载：
|
|
发表于 
扫码关注微信公众号，及时获取最新资源信息！【