julienfillatre / trainai

TrainAI

Ce projet utilise le modèle YOLO (You Only Look Once) pour le comptage en temps réel des personnes entrants et sortants d'un train à partir d'un flux vidéo. L'application est construite avec Streamlit pour fournir une interface web interactive.

Fonctionnalités

• Comptage en Temps Réel : Comptage des personnes entrants et sortants d'un train en temps réel en utilisant les modèles YOLO.
• Sources Vidéo Multiples : Supporte l'entrée vidéo depuis des flux YouTube ou des liens vidéo locaux.
• Paramètres Personnalisables : Ajustez la confiance du modèle, l'IOU, le contraste, la luminosité et les classes de détection.
• Options de Visualisation : Visualisez la vidéo traitée avec les détections et la vidéo originale.

Technologies Utilisées

• Streamlit : Pour créer une interface web interactive et conviviale.
• YOLO : Pour la détection d'objets en temps réel.
• OpenCV : Pour le traitement d'images et de vidéos.
• VidGear : Pour le streaming vidéo depuis différentes sources.
• Python : Langage de programmation principal utilisé pour le développement du projet.

Installation

1. Clonez ce dépôt :

   git clone https://github.com/JulienFillatre/TrainAI.git
   cd TrainAI

2. Créez un environnement virtuel :

   python -m venv env

3. Activez l'environnement virtuel :

   • Sur Windows :

     .\env\Scripts\activate

   • Sur macOS et Linux :

     source env/bin/activate

4. Installez les dépendances :

   pip install -r requirements.txt

Utilisation

Model	size (pixels)	mAPval 50-95	Speed CPU ONNX (ms)	Speed A100 TensorRT (ms)	params (M)	FLOPs (B)
YOLOv8n	640	37.3	80.4	0.99	3.2	8.7
YOLOv8s	640	44.9	128.4	1.20	11.2	28.6
YOLOv8m	640	50.2	234.7	1.83	25.9	78.9
YOLOv8l	640	52.9	375.2	2.39	43.7	165.2
YOLOv8x	640	53.9	479.1	3.53	68.2	257.8

1. Lancez l'application Streamlit :

   streamlit run app.py

2. Configurez les paramètres via l'interface web :

   • Type de Lien : Choisissez entre un flux YouTube ou un lien local.
   • Lien vers le flux vidéo : Entrez l'URL du flux vidéo.
   • Choix du modèle YOLO : Sélectionnez le modèle YOLO à utiliser.
   • Processeur de Calcul : Choisissez le dispositif de calcul (CPU, MPS, CUDA).
   • Confiance du Modèle : Ajustez le seuil de confiance du modèle.
   • IOU : Ajustez le seuil d'Intersection Over Union.
   • Contrast et Brightness : Ajustez le contraste et la luminosité de la vidéo.
   • Sélection des Classes : Sélectionnez les classes à détecter.
   • Résolution Vidéo : Choisissez la résolution de traitement et d'affichage.
   • Afficher le stream original : Choisissez d'afficher en plus la vidéo originale.

3. Lancez la détection ou le comptage via les boutons correspondants.

Code Principal

Le projet comprend deux fonctions principales pour la détection et le comptage d'objets :

• Visualize : Lance la détection des classes sélectionnées et active le tracking des résultats en temps réel.
• Counter : Compte les personnes entrants et sortants du train en utilisant une ligne de comptage virtuelle.

Ces fonctions sont intégrées à l'application Streamlit et utilisent OpenCV et VidGear pour le traitement et le streaming vidéo.