基于深度学习的YOLO12+DepthAnythingV2车辆高度估计 车辆尺寸估算 车辆高度计算 目标宽高识别

使用YOLO12和DepthAnythingV2的车辆高度估计

概述

这个演示项目实现了一个自动化的车辆高度估计流程。系统通过利用YOLO进行物体检测、跟踪和分割，使用DepthAnythingV2进行深度估计，并结合额外的图像处理来计算车辆的实际高度。该流程集成到了一个包含两个页面的Streamlit应用中：

• 跟踪与分割：实时流式传输并显示检测帧，同时保存跟踪到的车辆。
• 结果：显示合成的可视化图像和日志数据（CSV），供进一步分析使用。

示例Web应用截图

• 推理页面:

• 结果页面:
  

项目亮点

核心技术

• YOLOv12 & YOLO11x-seg：进行车辆的物体检测、跟踪和分割，基于YouTube视频流。
• DepthAnythingV2：提供高质量的深度估计，基于2D图像。
• OpenCV：处理图像处理、分割叠加、裁剪和可视化等功能。
• Streamlit：创建一个交互式的两页Web UI，用户可以输入YouTube链接并实时查看处理结果。
  

主要组成部分

• track_and_segment.py：从YouTube视频中检测和跟踪车辆，保存未标注的帧、分割掩码和裁剪图像。
• estimate_depth.py：使用DepthAnythingV2对保存的帧进行深度估计。
• calculate.py：利用分割掩码和深度信息计算车辆在实际单位下的高度。
• Inference.py：主Streamlit应用，运行整个处理流程并实时流式传输帧。
• Results.py：一个单独的Streamlit页面，显示合成的可视化结果和日志。

自动化脚本

• run_init.ps1：PowerShell脚本，用于自动化项目初始化，包括创建虚拟环境、将DepthAnythingV2作为子模块添加并安装依赖项。

  安装依赖项：

  ./run_init.ps1

启动应用

打开终端并运行以下命令：

streamlit run Inference.py