一、赛事背景

本赛题最终目标是开发一套智能识别系统，能够自动检测和分类城市管理中的违规行为。该系统应利用先进的图像处理和计算机视觉技术，通过对摄像头捕获的视频进行分析，自动准确识别违规行为，并及时向管理部门发出告警，以实现更高效的城市管理。

初赛任务是根据给定的城管视频监控数据集，进行城市违规行为的检测。违规行为主要包括垃圾桶满溢、机动车违停、非机动车违停等。设计算法实现从视频中分析并标记出违规行为，提供违规行为发生的时间和位置信息。

赛事链接：MARS大数据服务平台

Baseline链接：Datawhale

云服务器推荐：厚德云

完整代码详见：https://www.modelscope.cn/datasets/Datawhale/AI_Camp5_baseline_CV.git

二、赛题Baseline

2.1数据读取

从大赛官网MARS大数据服务平台下载训练集和测试集并解压，读取并可视化无标注的数据集，例如用 json.load 或 pd.read_json 读取json数据，使用 cap.read() 从视频捕获设备或视频文件中读取下一帧。

<code>pd.read_json('训练集(有标注第一批)/标注/45.json')

<code>video_path = '训练集(有标注第一批)/视频/45.mp4'

cap = cv2.VideoCapture(video_path)

while True:

# 读取下一帧

ret, frame = cap.read()

if not ret:

break

break

bbox = [746, 494, 988, 786]

pt1 = (bbox[0], bbox[1])

pt2 = (bbox[2], bbox[3])

color = (0, 255, 0)

thickness = 2 # 线条粗细

cv2.rectangle(frame, pt1, pt2, color, thickness)

frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)

plt.imshow(frame)

2.2数据转换

2.2.1 划分数据集

将训练集和验证集单独存放在不同文件夹中，在yolo.yaml里写入写入数据集的路径。

<code>if not os.path.exists('yolo-dataset/'):

os.mkdir('yolo-dataset/')

if not os.path.exists('yolo-dataset/train'):

os.mkdir('yolo-dataset/train')

if not os.path.exists('yolo-dataset/val'):

os.mkdir('yolo-dataset/val')

dir_path = os.path.abspath('./') + '/'

# 需要按照你的修改path

with open('yolo-dataset/yolo.yaml', 'w', encoding='utf-8') as up:code>

up.write(f'''

path: {dir_path}/yolo-dataset/

train: train/

val: val/

names:

0: 非机动车违停

1: 机动车违停

2: 垃圾桶满溢

3: 违法经营

''')

分类标签为四类，分别为"非机动车违停", "机动车违停", "垃圾桶满溢", "违法经营"。

2.2.2  提取视频帧信息

<code># 读取训练集视频

for anno_path, video_path in zip(train_annos[:5], train_videos[:5]):

print(video_path)

anno_df = pd.read_json(anno_path)

cap = cv2.VideoCapture(video_path)

frame_idx = 0

# 读取视频所有画面

while True:

ret, frame = cap.read()

if not ret:

break

img_height, img_width = frame.shape[:2]

# 将画面写为图

frame_anno = anno_df[anno_df['frame_id'] == frame_idx]

cv2.imwrite('./yolo-dataset/train/' + anno_path.split('/')[-1][:-5] + '_' + str(frame_idx) + '.jpg', frame)

# 如果存在标注

if len(frame_anno) != 0:

with open('./yolo-dataset/train/' + anno_path.split('/')[-1][:-5] + '_' + str(frame_idx) + '.txt', 'w') as up:

for category, bbox in zip(frame_anno['category'].values, frame_anno['bbox'].values):

category_idx = category_labels.index(category)

# 计算yolo标注格式

x_min, y_min, x_max, y_max = bbox

x_center = (x_min + x_max) / 2 / img_width

y_center = (y_min + y_max) / 2 / img_height

width = (x_max - x_min) / img_width

height = (y_max - y_min) / img_height

if x_center > 1:

print(bbox)

up.write(f'{category_idx} {x_center} {y_center} {width} {height}\n')

frame_idx += 1

2.2.3配置Ultralytics

配置ultralytics框架并下载YOLOv8权重文件。Ultralytics是一个开源的计算机视觉和深度学习框架，旨在简化训练、评估和部署视觉模型的过程。该框架提供了一系列流行的视觉模型，包括YOLOv5、YOLOv4、YOLOv3、YOLOv3-tiny、YOLOv5-tiny、EfficientDet、PAN、PP-YOLO等，并提供了训练、评估和推理的工具和实用程序。

!wget http://mirror.coggle.club/yolo/yolov8n-v8.2.0.pt -O yolov8n.pt

!mkdir -p ~/.config/Ultralytics/

!wget http://mirror.coggle.club/yolo/Arial.ttf -O ~/.config/Ultralytics/Arial.ttf

2.3模型训练

使用ultralytics框架加载YOLOv8模型进行训练。

import os

os.environ["CUDA_VISIBLE_DEVICES"] = "0"

import warnings

warnings.filterwarnings('ignore')

from ultralytics import YOLO

model = YOLO("yolov8n.pt")

results = model.train(data="yolo-dataset/yolo.yaml", epochs=50, imgsz=1080, batch=16)code>

<code>box_loss 是边界框回归损失，用于评估预测的边界框与真实边界框之间的差异。

cls_loss 是分类损失，用于评估类别预测的准确性。

dfl_loss 是防御性损失，用于提高模型的泛化能力。

经过几个训练周期后，模型的边界框损失、分类损失和防御性损失都有所下降，这表明模型在训练过程中学习了如何更好地预测边界框和分类，同时，模型的 mAP50 和 mAP50-95 指标也有所提高，这表明模型的整体性能有所提升，我们可以在此基础上加大模型训练的轮数（epoch）和批次（batch）来观察loss指标和MAP指标的变化趋势，从而选择最优的模型进行验证和提交。

2.4模型验证

加载刚刚训练保存的最好权重到网络中，使用YOLO模型对视频进行检测，设置置信度阈值为0.05，图像大小为1080像素，从result中提取边界框、掩码、关键点、概率和方向框等数据，将边界框数据转换为xywh格式，并将其转为numpy数组，对于frame_id、event_id、category、bbox、confidence构建字典并保存为json格式的数据。

from ultralytics import YOLO

model = YOLO("runs/detect/train/weights/best.pt")

import glob

for path in glob.glob('测试集/*.mp4'):

submit_json = []

results = model(path, conf=0.05, imgsz=1080, verbose=False)

for idx, result in enumerate(results):

boxes = result.boxes # Boxes object for bounding box outputs

masks = result.masks # Masks object for segmentation masks outputs

keypoints = result.keypoints # Keypoints object for pose outputs

probs = result.probs # Probs object for classification outputs

obb = result.obb # Oriented boxes object for OBB outputs

if len(boxes.cls) == 0:

continue

xywh = boxes.xyxy.data.cpu().numpy().round()

cls = boxes.cls.data.cpu().numpy().round()

conf = boxes.conf.data.cpu().numpy()

for i, (ci, xy, confi) in enumerate(zip(cls, xywh, conf)):

submit_json.append(

{

'frame_id': idx,

'event_id': i+1,

'category': category_labels[int(ci)],

'bbox': list([int(x) for x in xy]),

"confidence": float(confi)

}

)

with open('./result/' + path.split('/')[-1][:-4] + '.json', 'w', encoding='utf-8') as up:code>

json.dump(submit_json, up, indent=4, ensure_ascii=False)

完整Baseline代码下载：https://www.modelscope.cn/datasets/Datawhale/AI_Camp5_baseline_CV.git

apt install git-lfs

git lfs install

git clone https://www.modelscope.cn/datasets/Datawhale/AI_Camp5_baseline_CV.git

三、提分tips