Echtzeit-Webanalyse für Personen-Attribut-Flow auf reComputer R + Hailo-8

Personen-Attribut-Wow-Analyse Web-App auf reComputer R + Hailo-8

Ein Endgerät-Personen-Attribut-Analyse-System basierend auf Hailo-8 / Person Attribute.

Den Quellcode dieses Projekts finden Sie auf GitHub: https://github.com/doublelf/People_Aattribute_flow

Verwendet YOLOv8n-Personenerkennung + Person-Attribute-ResNet-Attributerkennung für die Offline-Videoanalyse auf dem reComputer R, mit Echtzeit-Wiedergabe und Statistik im Browser. Das Projekt unterstützt Echtzeit-Zählung und kumulative Auswertung nach Geschlecht sowie vier Altersbereichen.

Schnellstart

1. Code klonen

bash

git clone https://github.com/doublelf/People_Aattribute_flow.git
cd People_Aattribute_flow

2. Für lokales Debugging

bash

python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

3. Image erstellen

bash

docker build -t perview:latest .

4. Start mit einem Klick

bash

sudo docker run --rm --privileged --net=host \
  -e VIDEO_PATH=/app/video/a1-1.mp4 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.4.23.0:/usr/lib/libhailort.so.4.23.0:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  -v /home/seeed/perview/app:/app/app:ro \
  -v /home/seeed/perview/detection:/app/detection:ro \
  -v /home/seeed/perview/workspace:/app/workspace \
  -v /home/seeed/perview/video/:/app/video:ro \
  perview:latest

Parameter zeilenweise:

Zeile	Beschreibung
`--rm --privileged`	Container wird beim Beenden automatisch aufgeräumt und erhält alle Geräteberechtigungen (Hailo PCIe erforderlich)
`--net=host`	Direktes Verwenden des Host-Netzwerks, keine `-p`-Portweiterleitung nötig, vereinfachter Zugriff
`-e VIDEO_PATH=/app/video/a1-1.mp4`	Standardpfad des Eingabevideos (Containerseite)
`--device /dev/hailo0:/dev/hailo0`	Hailo-8-Gerät in den Container durchreichen
`-v /usr/lib/libhailort.so.4.23.0:/usr/lib/libhailort.so.4.23.0:ro`	HailoRT-Laufzeitbibliothek des Hosts in den Container mounten (schreibgeschützt)
`-v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro`	wie oben, Symlink-Kompatibilität
`-v /home/seeed/perview/app:/app/app:ro`	lokaler Quellcode überschreibt das gebackte Code-Image, nach Änderungen an Python-Dateien reicht ein Container-Neustart (schreibgeschützt, um versehentliches Schreiben auf den Host zu verhindern)
`-v /home/seeed/perview/detection:/app/detection:ro`	wie oben, überschreibt das Erkennungsmodul
`-v /home/seeed/perview/workspace:/app/workspace`	persistentiert vorgerenderte Artefakte und hochgeladene Dateien (Lesen/Schreiben)
`-v /home/seeed/perview/video/:/app/video:ro`	das Verzeichnis mit deinen Videos in den Container mounten (schreibgeschützt)

Nach dem Container-Start beginnt automatisch das Vor-Rendering von a1-1.mp4 (etwa 1 Minute, bei 1080p ca. 4–6 fps Verarbeitungsgeschwindigkeit, je nach Szenendichte).

5. Web-UI aufrufen

Im Browser öffnen:

http://<board_ip>:8000/

Nach dem Laden der Startseite befindet sich links ein annotierter Video-Player und rechts ein Chart.js-Echtzeit-Dashboard (aktuelle Personenzahl, Geschlechterverhältnis, Vier-Bereich-Altersverteilung, kumulierte Statistik).

Das Standardvideo /home/seeed/perview/video/a1-1.mp4 wird bereits mit dem Repository ausgeliefert. Nachdem du ein eigenes Video abgelegt hast, passe -e VIDEO_PATH entsprechend an.