? ? ?Colaboratory 簡稱"Colab"，是Google Research 團隊開發的一款產品。 在Colab 中，任何人都可以通過瀏覽器編寫和執行任意Python 代碼。 它尤其適合機器學習、數據分析和教育目的。 從技術上說，Colab 是一種托管式Jupyter 筆記本服務。

? ? 大佬們寫的工程源碼在這里：https://github.com/hasantha-nirmal/Traffic_Violation_Detection_Yolov4_Deep-Sort

? ?下載官方yolov4預訓練權重模型，將 yolov4.weights 從您的下載文件夾復制并粘貼到此存儲庫的“數據”文件夾中。https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v3_optimal/yolov4.weights

?1.先將工程傳到自己的谷歌云端硬盤上。

2.新建更多打開?Colaboratory

?3.將谷歌云硬盤掛載到colab上并且修改當前路徑到自己工程上。（path為自己需要修改的路徑）

import os from google.colab import drive drive.mount('/content/drive') path = "/content/drive/MyDrive/Traffic_Violation_Detection_Yolov4_Deep-Sort-main" os.chdir(path) print(os.getcwd())

?4.通過 Anaconda 或 Pip 安裝正確的依賴項。

?

?

?5.conda 需要在colab上下載miniconda 因此我選擇直接pip下載。（GPU相較于CPU運行速度更快）

!pip?install?-r?requirement-gpu.txt

6.requirement-gpu.txt 根據 yml文件更改下：

opencv-python==4.1.1.26 lxml tqdm tensorflow==2.3.0 absl-py easydict matplotlib pillow

7.執行以下命令將暗網權重轉換為張流量模型。

!python save_model.py --model yolov4

8.運行以下命令執行停車違章檢測程序。

!python parking_violation_detection.py ?--output ./outputs/processed_vids/parking.avi --model yolov4

? ?--output 后面 ./outputs.....? ??將其設置為保存到“輸出”文件夾

??parking.avi? ?將video輸出后的格式為 avi （AVI英文全稱為Audio Video Interleaved，即音頻視頻交錯格式）

9.后續執行過程仍然會遇到錯誤，例如：

?X server是Linux系統上提供圖形用戶界面的服務程序。當客戶端主機Client訪問服務器Server上的圖形程序時，需要Server對該Client賦能訪問圖形程序的權限。

后續解決方案：

打開 parking_violation_detection.py 將? cv2.imshow注釋掉。

若有錯誤歡迎大家指正，后續操作上的問題可以評論區留言。

?

總結

以上是生活随笔為你收集整理的违规停车检测系统的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。