基于 reComputer R + Hailo-8 的人流属性分析 Web 应用

基于 Hailo-8 / Person Attribute 的端侧人流属性分析系统。

你可以在 GitHub 上查看本项目源代码:https://github.com/doublelf/People_Aattribute_flow

使用 YOLOv8n 行人检测 + Person Attribute ResNet属性识别,在 reComputer R 上做离线视频分析,并通过浏览器实时回放与统计展示。项目支持性别与四段年龄的实时计数与累计分析。

快速开始

1. 克隆代码

bash

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

2.用于本地调试

bash

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

3. 构建镜像

bash

docker build -t perview:latest .

4. 一键启动

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

参数逐行说明:

行	作用
`--rm --privileged`	容器退出后自动清理,并拿到所有设备权限(Hailo PCIe 必须)
`--net=host`	直接使用主机网络,无需 `-p` 端口映射,简化访问
`-e VIDEO_PATH=/app/video/a1-1.mp4`	默认要分析的输入视频路径(容器内视角)
`--device /dev/hailo0:/dev/hailo0`	把 Hailo-8 设备透传到容器
`-v /usr/lib/libhailort.so.4.23.0:/usr/lib/libhailort.so.4.23.0:ro`	主机 HailoRT 运行时库挂进容器(只读)
`-v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro`	同上,符号链接兼容
`-v /home/seeed/perview/app:/app/app:ro`	本地源码覆盖 baked 代码,改 Python 文件后只需重启容器即生效(只读,避免容器误写主机)
`-v /home/seeed/perview/detection:/app/detection:ro`	同上,覆盖检测模块
`-v /home/seeed/perview/workspace:/app/workspace`	持久化预渲染产物与上传文件(读写)
`-v /home/seeed/perview/video/:/app/video:ro`	把你存放视频的目录映射进容器(只读)

容器启动后会自动开始预渲染 a1-1.mp4(约 1 分钟左右,1080p 约 4–6 fps 处理速度,视场景密度而定)。

5. 访问 Web UI

打开浏览器,访问:

http://<board_ip>:8000/

首页加载完成后,左侧是标注后的视频播放器,右侧是 Chart.js 实时仪表盘(当前人数、性别比例、四段年龄分布、累计统计)。

默认视频 /home/seeed/perview/video/a1-1.mp4 已经随仓库提供,放任意自定义视频后改 -e VIDEO_PATH 即可。