开源项目-人流量统计设备

Quectel Pi
1

人流量统计设备

本项目是基于 Quectel Pi H1 智能主控板开发的轻量级人流量统计解决方案，集成了目标检测、目标跟踪和行人重识别（ReID）等先进技术，具备以下核心功能：

  • 实时人体检测：在视频流中实时识别人体目标
  • 稳定目标跟踪：采用 ByteTrack 算法实现高精度目标跟踪
  • 智能去重统计：基于 ReID 特征进行人员身份去重
  • 多源视频支持：兼容 USB 摄像头、IP 摄像头及本地视频文件
  • 多维度统计：提供实时人数、累计去重人数及进出方向统计

image
image1070×587 92.4 KB

开发资源汇总

开发配件清单

说明：以下配件清单仅供参考，实际开发环境可根据需求调整。例如，通过 SSH 远程连接开发时可省略显示器和 USB 扩展坞。

配件名称 数量 规格参数
Quectel Pi H1 智能主控板 1块 Quectel Pi H1 智能主控板
电源适配器 1个 27W USB Type-C 接口充电器，1.2米线长，PD 快充，适用于树莓派5代
HDMI 线 1根 HDMI 2.0 标准，线长 1m，HDMI-A（公头）转 HDMI-D（公头）
网线 1根 千兆网线，线长 1m
CPU 散热风扇 1个 树莓派5代官方原装主动散热器（含导热贴）
USB 扩展坞 1个 绿联 USB 3.0 多功能扩展坞
网络摄像头 1个 Tenda 腾达室内家用监控摄像头
USB摄像头 1个 OV5693 USB摄像头模块
显示屏 1个 24 英寸 HDMI 显示器

配件实物参考

image
image1113×707 94.2 KB

快速上手

开发准备

Quectel Pi H1 智能主控板出厂预装 Debian 13 系统镜像，无需重新烧录系统，按照以下步骤即可开始开发。

硬件连接

散热风扇安装

  1. 将散热风扇排线插入主控板的 FAN 插槽
  2. 将散热器两端固定在主控板预留的安装孔位

image
image800×489 78.1 KB

显示连接

将 HDMI 线一端连接至主控板 HDMI 接口，另一端连接至显示器 HDMI 接口。

image
image700×525 80.7 KB

输入设备连接

将 USB 键盘和鼠标分别接入主控板的两个 USB-A 接口。若使用无线输入设备，请将接收器插入 USB 接口。

image
image700×405 79 KB

网络连接

将网线一端接入主控板千兆网口，另一端接入路由器 LAN 口（确保路由器已连接互联网）。

image
image800×413 81.8 KB

自动开机设置

在主控板左上角标有 AUTO_POWER_ON 字样的排针上安装跳线帽，实现上电自动开机功能。

image
image600×384 85.4 KB

供电连接

将电源适配器的 USB-C 端连接至主控板 POWER IN 接口，USB-A 端连接至电源适配器。

image
image700×542 77.9 KB

网络摄像头连接

为网络摄像头接通电源，并确保其与主控板处于同一局域网内。

image
image700×888 64.5 KB

完整连接示意图

image
image1000×484 81.2 KB

项目部署

网络摄像头配置

首次使用网络摄像头时，需先通过手机连接同一WiFi网络，然后使用腾达APP添加摄像头设备完成网络配置。

重要提示：确保 Quectel Pi H1智能主控板与网络摄像头位于同一局域网，否则无法获取RTSP视频流。

获取项目代码

  1. 创建项目目录并进入：
mkdir ~/people-counting-device
cd ~/people-counting-device
  1. 安装Git并克隆项目代码：
sudo apt update
sudo apt install -y git
git clone https://github.com/Quectel-Pi/demo-people-counting-device.git
  1. 设置目录权限：
sudo chmod -R 755 ~/people-counting-device

image
image733×163 16.8 KB

创建虚拟环境

为避免依赖冲突，建议在虚拟环境中运行项目：

#创建虚拟环境
python3 -m venv ~/people-counting-env
#激活虚拟环境
source ~/people-counting-env/bin/activate

安装项目依赖

#更新pip到最新版本
pip install --upgrade pip
#安装项目所需依赖包
cd demo-people-counting-device
pip install -r requirements.txt

摄像头参数配置

网络摄像头的IP地址可通过腾达APP的设备信息页面获取。

在主控板系统中打开Firefox浏览器，输入摄像头IP地址，使用默认凭据登录：

  • 用户名：admin
  • 密码：admin123456

登录后配置音视频参数并保存设置。

image
image939×504 53.3 KB

image
image1119×561 51.3 KB

启动应用程序

进入项目源码目录并运行对应脚本：

cd demo-people-counting-device/src
#运行IP摄像头版本
python3 ip_camera_main.py
#或运行USB摄像头版本
python3 usb_camera_main.py
#或运行本地视频测试版本
python3 local_video_main.py --video ../asset/street.mp4
`--video`: 指定视频文件路径（必填）
`--model`: 指定YOLO模型路径（可选，默认使用 `yolov5n_320.onnx`）

模型准备

目标检测模型

项目支持以下YOLOv5n ONNX模型（位于 src/ 目录）：

模型文件 输入尺寸 特点
yolov5n_320.onnx 320×320 速度最快，精度稍低（默认）
yolov5n_416.onnx 416×416 速度与精度平衡
yolov5n_640.onnx 640×640 精度最高，速度较慢

注意：所有模型文件已包含在项目中，位于 src/ 目录下，无需额外下载。

行人重识别模型

  • ReID模型：osnet_x0_25_market1501.onnx（位于 src/ 目录）
  • 输入尺寸：256×128（宽×高）
  • 特征维度：512维归一化特征向量

注意：ReID模型需要从Market1501等ReID数据集微调后的版本，不能直接使用ImageNet预训练模型。

统计逻辑说明

计数类型

  1. 实时计数（Current Count）：当前视频帧中检测到的活跃目标数量
  2. 累计计数（Total Count）：基于唯一track_id的历史累计去重人数
  3. 进出计数（In/Out Count）：基于虚拟检测线的人员进出方向统计

计数原理

  • 实时计数：直接统计当前帧中活跃跟踪目标的数量
  • 累计计数：每个新生成的track_id对应一个唯一人员标识，确保累计统计的准确性
  • 进出计数：通过虚拟检测线（默认为画面中央水平线）判断目标移动方向：
    • 进入（In）：目标向下移动（Y 坐标增大）
    • 离开（Out）：目标向上移动（Y 坐标减小）
    • 基于目标中心点的历史轨迹判断穿越方向
    • 每个 track_id 仅在首次穿越虚拟线时计数，避免重复统计

虚拟线自定义

当前版本支持自定义虚拟检测线的位置和方向：

  • 水平检测线：direction='horizontal'，line_position=指定Y坐标
  • 垂直检测线：direction='vertical'，line_position=指定X坐标

应用演示

常见问题排查

Q1: 摄像头无法打开

解决方案：

  • 将当前用户添加到 video 用户组：sudo usermod -aG video $USER
  • 重启系统使用户组权限生效
  • 检查摄像头是否被其他进程占用

Q2: 模型文件加载失败

解决方案：

  • 确保在 src/ 目录下运行脚本（所有模型文件均位于此目录）
  • 不要更改工作目录，直接在 src/ 目录执行启动命令

Q3: IP 摄像头连接失败

解决方案：

  • 测试网络连通性：ping <摄像头IP地址>
  • 确认摄像头 ONVIF 服务已启用

Q4: 系统性能卡顿

解决方案：

  • 关闭 ReID 功能（在代码中设置 use_reid=False）
  • 降低显示窗口分辨率

技术支持与贡献

项目开源地址：GitHub - Quectel-Pi/demo-people-counting-device · GitHub

欢迎提交 Issue 反馈问题或 Pull Request 贡献代码改进！