Real-Time Human Detection System

项目简介

本项目是一个基于 TensorFlow 和 OpenCV 的实时人体检测系统。通过加载预训练的模型文件（frozen_inference_graph.pb），实现从图片、视频和摄像头输入中检测人员。项目支持多种检测模式，用户可以选择图片、视频文件或实时摄像头输入进行检测。

---

功能特性

• 图片检测：从图片文件中检测人员。
• 视频检测：从视频文件中逐帧检测人员。
• 摄像头检测：通过电脑摄像头实时检测人员。
• 用户友好界面：使用 Tkinter 提供简单直观的操作界面。

---

安装要求

系统要求

• 操作系统：Windows 或 Linux
• Python 版本：3.10
• 依赖：
  • TensorFlow
  • OpenCV
  • NumPy
  • Matplotlib
  • FPDF
  • Python-dotenv

---

环境配置

通用步骤（Windows 和 Linux）

1. 克隆项目 使用以下命令克隆项目：

   git clone https://github.com/RemainMemory/Human-tracking.git
   cd Human-tracking

2. 创建 Conda 环境 在项目根目录中，基于 environment.yml 文件创建 Conda 环境：

   conda env create --prefix ./env -f environment.yml

3. 激活环境 激活 Conda 环境：

   conda activate ./env

4. 运行项目 确保环境激活后运行程序：

   python main.py

5. 退出环境 完成工作后，退出环境：

   conda deactivate

---

目录结构

├── main.py                # 程序入口文件
├── UI.py                  # 用户界面模块
├── detection.py           # 检测逻辑模块
├── image_detection.py     # 图片检测逻辑
├── video_detection.py     # 视频检测逻辑
├── camera_detection.py    # 实时摄像头检测逻辑
├── environment.yml        # 环境配置文件
├── frozen_inference_graph.pb  # 预训练模型文件（需单独下载）
└── README.md              # 项目说明文件

---

使用说明

启动项目

1. 启动程序后，界面提供以下选项：

   • Detect from Image：选择图片文件进行检测。
   • Detect from Video：选择视频文件进行检测。
   • Detect from Camera：通过摄像头实时检测人员。
   • Exit：退出程序。

2. 选择检测模式：

   • 图片和视频检测会弹出文件选择器，选择所需文件后自动开始检测。
   • 摄像头检测将实时显示检测结果，按 q 键或点击 Exit 按钮退出。

---

常见问题

1. 无法加载 TensorFlow 模型

• 确保 frozen_inference_graph.pb 文件已下载并放置在项目根目录。
• 模型文件可从 TensorFlow Model Zoo 获取。

2. 摄像头无法正常工作

• 检查系统权限，确保 Python 有权访问摄像头。
• 在 Linux 系统中，运行以下命令查看摄像头设备是否可用：

  ls /dev/video*

3. 缺少依赖

• 如果运行时提示某些模块未安装，可以手动安装：

  pip install <missing-package>

  之后更新 environment.yml 文件：

  conda env export --prefix ./env > environment.yml

---

技术栈

• 语言：Python
• 框架：TensorFlow, OpenCV, Tkinter
• 工具：NumPy, Matplotlib, FPDF, Python-dotenv

---

贡献

欢迎任何贡献或改进建议！请提交 Pull Request 或在 Issue 区域提出问题。

---

许可证

本项目基于 MIT 许可证开源。