OpenDataCam 是一款有助于量化世界的开源工具。借助计算机视觉，OpenDataCam 可以理解并量化移动物体。通过简单的设置，每个人都可以通过摄像机和视频来计算移动物体的数量。
人们将 OpenDataCam 用于许多不同的用例。它在交通研究（模态分割、转弯计数等）中特别受欢迎，但 OpenDataCam 可以立即检测 50 多个常见对象，并且可以用于更多用途。如果它没有检测到您正在寻找的内容，您可以随时训练自己的模型。
OpenDataCam 使用机器学习来检测视频和摄像机源中的对象。然后，当对象在场景中移动时，它会跟随它们。通过易于使用的 UI 或 API 定义计数器，每次有对象穿过计数器时，OpenDataCam 都会进行计数。
| 👉 UI 演练（2 分钟，OpenDataCam 3.0） | 👉 UI 演练（4 分钟，OpenDataCam 2.0） | 👉物联网欢乐时光#13：OpenDataCam 3.0 |
|---|---|---|
OpenDataCam功能齐全，亮点是
- 多个对象类
- 细粒度计数器逻辑
- 轨迹分析
- 实时或预先录制的视频源
- 在现场小型设备或云端数据中心上运行
- 您拥有数据
- 易于使用的API
开始使用 OpenDataCam 的最快方法是使用现有的 Docker 映像。
- 您需要安装 Docker 和 Docker-Compose。
- 如果您想在 NVIDIA GPU 上运行 OpenDataCam，您还需要
- Nvidia CUDA 11 和 cuDNN 8
- 安装 Nvidia 容器工具包
- 您还需要安装
nvidia-container-runtime
- 要在 NVIDIA Jetson 设备上运行 OpenDataCam ，您需要Jetpack 5.x。
# Download install script wget -N https://raw.githubusercontent.com/opendatacam/opendatacam/v3.0.2/docker/install-opendatacam.sh# Give exec permission chmod 777 install-opendatacam.sh
# Note: You will be asked for sudo password when installing OpenDataCam
# Install command for Jetson Nano ./install-opendatacam.sh --platform nano
# Install command for Jetson Xavier / Xavier NX ./install-opendatacam.sh --platform xavier
# Install command for a Laptop, Desktop or Server with NVIDIA GPU ./install-opendatacam.sh --platform desktop
此命令将在计算机上下载并启动 docker 容器。完成后，docker 容器在端口 8080 上启动一个网络服务器并运行演示视频。
注意： docker 容器以自动重启模式启动，因此如果您重新启动计算机，它将在启动时自动启动 opendatacam。要停止它，请docker-compose down在与安装脚本相同的文件夹中运行。
打开浏览器“http://[IP_OF_JETSON]:8080”。（如果您在运行时将 Jetson 连接到屏幕，请尝试：http://localhost:8080）
您应该会看到一个繁忙十字路口的视频，您可以立即开始计数。
现在你可以…
以及更多。有关配置选项的完整列表，请参阅配置。
为了解决我们的 opendatacam 基础应用程序未处理的用例，您可以在我们的 API 之上进行构建，而不是分叉项目。
https://opendatacam.github.io/opendatacam/apidoc/
参见开发笔记
@rantgithub资助添加多边形计数器和改进计数线的工作
请在GitHub 讨论中询问有关 OpenDataCam 的任何问题。有关 OpenDataCam 开发的错误、功能和其他任何内容都可以在GitHub Issues中进行跟踪。
如需业务咨询或专业支持请求，请联系Valentin Sawadski或访问OpenDataCam for Professionals。
- 原始暗网@pjreddie：https://pjreddie.com/darknet/
- Darknet 分叉 + YOLOv4，作者：@alexeyab：https://github.com/alexeyab/darknet
- IOU / V-IOU 跟踪器，作者：@bochinski：https://github.com/bochinski/iou-tracker/
- Next.js 作者：@zeit： https: //github.com/zeit/next.js