ubuntu完全免费人流统计方案

1 用摄像头录像

2 在ubuntu上用开源软件来分析视频中出现人数。

------------------------------------------------------------------------

完全可以，而且选择非常多。

相比 Android 平台，在 Ubuntu 上做同样的事情要简单很多。因为 Ubuntu 是完整的桌面 Linux 系统，Python 生态、GPU 驱动、各种 AI 框架都能直接用，没有 Android 上那些兼容性、权限、性能限制等问题。

一、开源方案对比

二、详细方案介绍

方案1：OpenVINO People Counter（推荐）

英特尔官方出品的开源 demo，Ubuntu 24.04 上一行命令就能跑起来，开源 Apache 2.0 许可证 。

技术栈：YOLOv8（人体检测）+ OpenVINO（推理加速）+ Supervision（区域统计）

安装与运行：

bash

# 1. 安装依赖 sudo apt install git gcc python3-venv python3-dev # 2. 克隆仓库 git clone https://github.com/openvinotoolkit/openvino_build_deploy.git cd openvino_build_deploy/demos/people_counter_demo # 3. 创建虚拟环境并安装 python3 -m venv venv source venv/bin/activate pip install -r requirements.txt # 4. 运行（0 表示电脑自带摄像头，也可以用视频文件路径） python main.py --stream 0

核心代码（实际就几行）：

python

# 加载 YOLOv8 模型并导出为 OpenVINO 格式 yolo_model = YOLO("yolov8n") yolo_model.export(format="openvino", int8=True) # 编译模型并推理 model = core.compile_model(model, device_name="CPU") results = model(input_image) # 统计区域内人数 people_count = len(detections_filtered)

优点：

• 英特尔官方维护，质量有保障

• 支持 CPU/GPU/NPU 切换，按一个键就行

• 可以在指定多边形区域内统计人数（不是整个画面）

• 支持 INT8 量化，普通 CPU 也能流畅跑

方案2：Odin——姿态估计 + 人群追踪

这个项目基于人体姿态估计来追踪和计数，比纯目标检测更精确，尤其在人群密集、互相遮挡的场景下 。

技术栈：TensorFlow + DeeperCut/ArtTrack（姿态估计）+ Docker

特点：

• 通过 Docker 容器化部署，环境配置简单

• 基于人体关键点（骨骼点）追踪，而非普通检测框

• 适用于人群密集、互相遮挡的复杂场景

适用场景：需要高精度人群统计、学术研究、复杂环境

方案3：OpenCV 自带行人检测

最简单粗暴的方案，OpenCV 内置了 HOG + SVM 的行人检测器，几行代码就能跑。

python

import cv2 hog = cv2.HOGDescriptor() hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector()) # 检测行人 (rects, weights) = hog.detectMultiScale(image, scale=1.05) # 统计人数 people_count = len(rects)

优点：不需要安装任何额外框架，OpenCV 装好就能用
缺点：准确度不如深度学习方法，侧脸、遮挡场景表现一般

方案4：客流识别 SDK（商业级准确度）

如果你需要商业级别的准确度，可以考虑一些商业 SDK。比如有专门针对 Ubuntu 的客流识别 SDK，支持 CPU/GPU，以人体头肩为主要识别目标，对俯拍、出入口场景优化很好 。

特点：

• 支持门前通过人数统计、入店人数统计

• 支持 RTSP/RTMP 视频流

• 可返回结果渲染图和累计人数

• 需要 license 认证（付费）

适用场景：店铺客流统计、需要精准数据的商业场景

三、各方案优缺点对比

四、我的建议

1. 想快速免费体验→OpenVINO People Counter，Ubuntu 上一条命令就能跑起来，Intel 官方出品，质量有保障

2. 需要高精度/处理密集人群→Odin，基于姿态估计，对遮挡场景更好

3. 只是想随便试试→OpenCV HOG，几行代码就能检测行人

4. 做商业产品→ 考虑商业 SDK或者基于 OpenVINO 自己封装（省钱但费时间）

回到你最初的问题：在 Ubuntu 上做人流统计，完全没问题，而且比 Android 简单得多。最大的区别是：Android 上要折腾摄像头权限、模型转换、性能优化；Ubuntu 上直接用 Python 跑就行了，想用 GPU 加速就装个 CUDA，想省电就用 CPU INT8 量化。

你想先试试哪个方案？我可以帮你把完整代码写出来。

就是用摄像头录像，然后用这个软件来计算人数？

Read 10 web pages

是的，你的理解完全正确。用摄像头录像，然后用软件计算人数，这确实是主流的工作流程。

整个流程可以这样概括：

摄像头录像 → 软件逐帧分析 → 识别+追踪 → 输出统计结果

一、软件处理视频的两种方式

1. 实时处理（摄像头直接连接电脑）

摄像头插在Ubuntu电脑上，软件实时读取画面并统计。

bash

# 以human_counter项目为例，指定摄像头设备 python count_people.py --source 0 # 0表示第一个USB摄像头

2. 离线处理（先录像，后分析）

先用手机、监控摄像头等录好视频，保存为MP4/AVI文件，再让软件分析这个文件。

bash

# 处理已经录好的视频文件 python count_people.py --source path/to/your_video.mp4

两种方式都可以，区别只在于--source参数是写/dev/video0（摄像头）还是写视频文件路径。

二、具体开源项目及其处理方式

三、完整的工作流程

以human_counter项目为例，用起来非常简单：

bash

# 1. 克隆项目 git clone https://github.com/leviome/human_counter.git cd human_counter # 2. 安装依赖 pip install -r requirements.txt # 3. 运行分析（直接处理摄像头） python count_people.py --source 0 # 或者分析之前录好的视频 python count_people.py --source my_video.mp4

软件做的事：

1. 逐帧读取视频/摄像头画面

2. 检测每一帧中的人体（使用深度学习模型）

3. 追踪每个人在画面中的移动轨迹（分配唯一ID）

4. 计数：跨过虚拟线就+1，或者直接统计画面内人数

四、用自己录的视频分析的步骤

如果你已经有录像（比如用手机拍的），步骤是：

1. 把视频文件传到 Ubuntu 电脑上

2. 选择一个开源项目（如human_counter或 Intel 的 People Counter）

3. 把视频路径作为--source参数传入

4. 软件跑完后会输出统计结果，有些项目还会生成带标注框的输出视频

五、推荐的开源项目

根据你的需求（Ubuntu + 人数统计），推荐：

你可以先试试human_counter，把之前录好的视频放进去跑一下，几分钟就能看到效果。