DeepSOCIAL: Social Distancing Monitoring and Infection Risk Assessment in COVID-19 Pandemic

Open access paper: https://www.mdpi.com/2076-3417/10/21/7514 & https://doi.org/10.3390/app10217514

1 克隆代码和编译测试环境

1.1 克隆仓库代码

git clone

1.2 编译darknet

1、先进入编译目录

cd DeepSocial/darknet

2、根据自己是否有GPU修改Makefile文件

vim Makefile

我修改后内容为如下：

GPU=1
CUDNN=1
CUDNN_HALF=1
OPENCV=1
AVX=1
OPENMP=1
LIBSO=1
ZED_CAMERA=0
ZED_CAMERA_v2_8=0

3、开始编译

因为是我在自己本地是编译过得，因重新编译之前，先执行一下sudo make clean，删除之前编译生成的文件！

sudo make clean sudo make

注意：

如果编译报错：/bin/sh:nvcc not found

解决方式（参考）：

1）查看nvcc可执行文件的路径

which nvcc

2）修改Makefile文件中的NVCC=nvcc，把nvcc替换为上面查询到的nvcc可执行文件的路径

NVCC=/usr/local/cuda/bin/nvcc

4、验证环境

验证环境有两种方式：

• 使用编译的darknet可执行文件
• 使用darknet接口API

使用编译的darknet可执行文件

./darknet detector test ./cfg/coco.data ./cfg/yolov4.cfg ../weights/DeepSocial.weights data/dog.jpg -i 0 -thresh 0.25

• 使用darknet接口API

python image_yolov4.py

环境如果没有问题，你会看如如下如的预测结果：

2 程序运行

1、下载测试视频，测试视频放到DeepSocial/Images目录下

• OxfordTownCentreDataset.avi视频下载地址：提取码3v10

用到的测试数据是牛津市中心（Oxford Town Center）采集的一段视频，5分钟的长度

2、下载预训练的模型，下载模型放到weights目录下

• 预训练模型DeepSocial.weights的下载地址：提取码m4k9

3、运行测试程序

python Yolov4_DeepSocial.py

测试效果如下：

输出gif动图：

ffmpeg -i OxfordTownCentreDataset.avi -ss 00:00:05.0 -t 00:00:15.0 -s 800*450 -r 15 OxfordTownCentreDataset.gif