zyerusha/deep_ovel

视频物体速度检测工具 Docker 镜像

镜像概述

本Docker镜像基于YOLO和DeepSORT深度学习算法构建，提供一个Web服务器应用，用于检测视频中移动物体的速度。用户可通过Web浏览器上传视频文件，系统自动处理后返回包含原始视频、检测结果视频及数据文件的压缩包，实现便捷的视频物体速度分析。

核心功能与特性

• Web界面交互：提供直观的浏览器上传界面，无需复杂命令行操作
• 目标检测与跟踪：集成YOLO算法实现物体检测，DeepSORT算法实现多目标跟踪
• 速度估计：对检测到的移动物体进行速度估算
• 多格式输出：处理完成后生成包含以下内容的.zip压缩包：
  1. 原始上传视频副本
  2. 带边界框的检测结果视频（YOLO & DeepSORT输出）
  3. 带速度估计标注的视频
  4. 包含所有检测和速度数据的.csv文件

使用场景与适用范围

• 交通监控：分析道路车辆行驶速度
• 运动分析：体育运动中运动员或物体的运动速度检测
• 安防监控：异常移动物体速度监测
• 科研实验：视频中物体运动特性研究
• 工业检测：生产线上物体移动速度监控

使用方法与配置说明

基本部署

Docker Run 命令

bash
docker run -d -p 80:80 --name video-velocity-detector your-image-name

• -p 80:80：将容器80端口映射到主机80端口，可根据需要修改主机端口
• --name：指定容器名称，便于管理

访问应用

部署完成后，通过浏览器访问 http://localhost（或主机IP地址），即可看到视频上传界面。

数据持久化（可选）

若需保存处理结果到本地，可挂载数据卷：

bash
docker run -d -p 80:80 -v /本地路径:/app/output --name video-velocity-detector your-image-name

• /本地路径：主机上用于存储输出文件的目录
• /app/output：容器内输出文件存放路径

使用流程

1. 打开Web界面，点击"上传视频"按钮选择本地视频文件
2. 等待视频上传和处理（处理时间取决于视频长度和硬件性能）
3. 处理完成后，系统自动生成并提供.zip文件下载
4. 解压下载的压缩包，获取处理后的视频和数据文件

注意事项

• 视频格式支持：建议使用常见格式（如MP4、AVI等）
• 硬件要求：由于涉及深度学习推理，建议在具有GPU支持的环境中运行以提高处理速度
• 网络要求：确保服务器有足够的存储空间存放上传视频和输出文件