基于深度学习的电动自行车头盔佩戴检测系统

1. 文档说明

本文档是毕业设计------基于深度学习的电动自行车头盔佩戴检测系统的开发环境配置说明文档,该文档包括运行环境说明以及基本环境配置两大部分。在程序运行前请认真查看此文档,并按照此文档说明对运行程序的设备环境进行对应配置。

2. 运行环境说明

2.1 硬件配置

设备硬件配置及其参数规格:

配置名称 参数规格
中央处理器CPU Intel(R) Core(TM) i5-7300HQ CPU @2.50GHz
图形处理器GPU GeForce GTX 1050Ti(4.0GB DDR5 768 CUDA)
机带RAM 16.0 GB (15.9 GB可用) DDR4

2.2 软件配置

程序运行所需软件及其版本信息:

软件名称 版本信息
操作系统 Windows10 64位操作系统,基于x64的处理器
集成开发环境 Visual Studio Code v1.56.2
Visual Studio Code插件 Code Runner v0.11.4
数据库 MySQL 5.7.33-log MySQL Community Server (GPL)
编程语言 Python 3.7.6
CUDA版本 cuda_11.1.0_456.43_win10
cuDNN版本 cudnn-11.1-windows-x64-v8.0.5.39
机器学习库 Pytorch 1.7.1

2.3 程序依赖库

程序运行所依赖库及其版本信息(见程序主目录下requirements.txt文件):

依赖库名称 版本信息
wandb 0.10.28
seaborn 0.11.1
torchvision 0.8.2
requests 2.22.0
opencv_python 4.5.1.48
torch 1.7.1
thop 0.0.31.post2005241907
matplotlib 3.3.3
Flask 1.1.1
Flask_SocketIO 5.0.1
PyMySQL 1.0.2
scipy 1.4.1
numpy 1.19.3
pandas 1.0.1
coremltools 4.0
tqdm 4.42.1
onnx 1.8.1
easydict 1.9
ipdb 0.13.7
motmetrics 1.2.0
pafy 0.5.5
Pillow 8.2.0
PyYAML 5.4.1

3. 基本环境配置

请确保设备使用系统为Windows10 64位操作系统再进行以下操作。若为其他操作系统请自行下载软件对应版本。

3.1 软件安装

3.1.1 集成开发环境安装与配置

(1)程序所使用的集成开发环境为Visual Studio Code,,具体版本不作要求,下载最新版本即可。

(2)按如下操作安装Code Runner插件,具体版本不作要求,下载最新版本即可。

3.1.2 数据库安装与配置

(1)程序所使用的数据库为MySQL,请下载v5.7版本非v8.0版本。

(2)配置root用户密码为123456

3.1.3 编程语言安装

(1)程序所使用的编程语言为Python,下载并按照Anaconda,请下载64位Python v3.7版本。

3.1.4 CUDA和cuDNN安装与配置

(1)设备图形处理器GPU为GeForce GTX 1050Ti(4.0GB DDR5 768 CUDA),请根据设备具体图形处理器GPU下载对应CUDA,请下载v11.1.0版本

(2)下载CUDA对应版本的cuDNN,CUDA v11.1.0对应cuDNN版本为v8.0.5

(3)修改系统环境变量

具体安装过程参考链接

(4)验证安装

通过执行以下命令验证安装是否成功

复制代码
nvcc -V

执行命令后得到以下信息即安装成功

3.1.5 机器学习库安装

(1)程序所使用的机器学习库为Pytorch,请下载对应CUDA 11.1的版本。

(2)验证安装

通过执行以下命令验证安装是否成功

复制代码
python

import torch
print(torch.__version__)
print(torch.version.cuda)
print(torch.backends.cudnn.version())

3.2 依赖库安装

通过执行以下命令对程序依赖库进行安装

复制代码
pip install -r requirements.txt

4. 运行程序

在运行程序前需要执行如下操作:

(1)利用MySQL导入程序主目录下database文件夹下的eb_helmet.sql数据库文件

(2)在webcam数据表下填入相应信息:

字段名 类型 含义
device varchar(10) 监控视频设备名
longitude float(9,6) 监控视频所处地理位置的经度
latitude float(9,6) 监控视频所处地理位置的纬度
source varchar(100) 监控视频RTSP地址

设置完成后执行程序主目录下的app.py即可运行程序,在浏览器中输入127.0.0.1:8000即可显示系统界面,系统界面如下图所示:

在D:/#Data/Detect/目录下可见到截取下来的电动自行车驾驶员JPG格式图片,若要修改图片存储路径或图片格式,修改程序主目录下的app.py第18、19行代码即可,如下图所示。

相关推荐
带娃的IT创业者3 分钟前
《AI大模型趣味实战》智能Agent和MCP协议的应用实例:搭建一个能阅读DOC文件并实时显示润色改写过程的Python Flask应用
人工智能·python·flask
一只韩非子8 分钟前
什么是MCP?为什么引入MCP?(通俗易懂版)
人工智能·aigc·mcp
新智元11 分钟前
毛骨悚然!o3 精准破译照片位置,只靠几行 Python 代码?人类在 AI 面前已裸奔
人工智能·openai
Tech Synapse38 分钟前
电商商品推荐系统实战:基于TensorFlow Recommenders构建智能推荐引擎
人工智能·python·tensorflow
帅帅的Python39 分钟前
2015-2023 各省 GDP 数据,用QuickBI 进行数据可视化——堆叠图!
大数据·人工智能
weixin_430750931 小时前
智能小助手部署 Win10 + ollama的Deepseek + CentOS+ maxKB
linux·人工智能·机器学习·语言模型·自然语言处理·centos
Panesle1 小时前
大模型微调与蒸馏的差异性与相似性分析
人工智能·微调·蒸馏
多巴胺与内啡肽.1 小时前
深度学习--循环神经网络RNN
人工智能·rnn·深度学习
子燕若水1 小时前
解释PyTorch中的广播机制
人工智能·pytorch·python
计算机真好丸1 小时前
第R4周:LSTM-火灾温度预测
人工智能·rnn·lstm