Spaces:
Sleeping
Sleeping
| """Detecci贸n y seguimiento de personas. | |
| RF-DETR (Roboflow, Apache-2.0) encuentra personas en cada cuadro; ByteTrack les asigna un n煤mero | |
| que se mantiene entre cuadros, para poder decir "el #3 entr贸 a los 12 s y sali贸 a los 18 s". | |
| Este es el 煤nico m贸dulo que conoce el modelo: cambiarlo (por ejemplo a una versi贸n ONNX) no toca | |
| el resto del c贸digo. | |
| """ | |
| from functools import cache | |
| import numpy as np | |
| import supervision as sv | |
| from trackers import ByteTrackTracker | |
| from camguard.config import CONF, PERSON_ID | |
| def load_model(): | |
| """Carga RF-DETR Small una sola vez por proceso. | |
| La primera vez descarga los pesos (~368 MB) a ``~/.roboflow/models``. | |
| """ | |
| # Import diferido: rfdetr arrastra PyTorch (~14 s de import) y los tests no lo necesitan. | |
| from rfdetr import RFDETRSmall | |
| return RFDETRSmall() | |
| def new_bytetrack(fps: float, conf: float = CONF) -> ByteTrackTracker: | |
| """Crea el tracker ByteTrack configurado para la demo. | |
| Args: | |
| fps: Cuadros por segundo que va a recibir (los analizados, no los del archivo). ByteTrack | |
| lo usa para saber cu谩nto tiempo "recordar" a una persona que dej贸 de verse. | |
| conf: Confianza m铆nima para empezar a seguir a una persona. | |
| """ | |
| # ByteTrack trae dos umbrales propios m谩s exigentes que CONF: el de activaci贸n (0.7) y el de | |
| # "detecci贸n de alta confianza" (0.6), que es el 煤nico que puede crear un seguimiento nuevo. | |
| # Si no se alinean con CONF, una persona detectada con 0.4-0.6 nunca recibe n煤mero y no se | |
| # muestra (en el video de ejemplo se perd铆a el 31% de las detecciones). | |
| # minimum_consecutive_frames=1 les da n煤mero desde el primer cuadro en que aparecen. | |
| return ByteTrackTracker( | |
| frame_rate=fps, | |
| track_activation_threshold=conf, | |
| high_conf_det_threshold=conf, | |
| minimum_consecutive_frames=1, | |
| ) | |
| class PersonTracker: | |
| """Detecta personas en cada cuadro y les asigna un n煤mero de seguimiento estable. | |
| Se crea uno nuevo por cada video analizado, para que la numeraci贸n arranque de cero. | |
| Args: | |
| fps: Cuadros por segundo que va a recibir (los analizados, no los del archivo). ByteTrack | |
| lo usa para saber cu谩nto tiempo "recordar" a una persona que dej贸 de verse. | |
| conf: Confianza m铆nima de detecci贸n. | |
| """ | |
| def __init__(self, fps: float, conf: float = CONF): | |
| self._model = load_model() | |
| self._conf = conf | |
| self._tracker = new_bytetrack(fps, conf) | |
| def update(self, frame_bgr: np.ndarray) -> sv.Detections: | |
| """Procesa el siguiente cuadro del video. | |
| Args: | |
| frame_bgr: Cuadro en BGR, como lo entrega OpenCV. | |
| Returns: | |
| Las personas detectadas, con ``tracker_id`` asignado. Las que el tracker todav铆a | |
| no confirm贸 (``tracker_id == -1``) se descartan. | |
| """ | |
| # El modelo espera RGB; .copy() porque la vista invertida tiene strides negativos. | |
| detections = self._model.predict(frame_bgr[:, :, ::-1].copy(), threshold=self._conf) | |
| detections = self._tracker.update(detections[detections.class_id == PERSON_ID]) | |
| return detections[detections.tracker_id != -1] | |