Système de Multi-Suivi de Personnes par Caméras (Multi-Tracking Camera System)

🎯 Description du Projet

Ce projet implémente un système robuste et performant de suivi de personnes en temps réel à travers un réseau de plusieurs caméras (Multi-Target Multi-Camera Tracking - MTMCT).

Il combine des algorithmes de vision par ordinateur de pointe pour garantir une détection et une ré-identification précises des individus même lors de passages entre différentes vues de caméra.

L'ensemble du système est géré et visualisé via une interface web interactive, offrant un contrôle et une analyse centralisés.

🎓 Contexte Académique

Ce projet a été réalisé dans le cadre de mon rôle de Research Assistant à l'Université Mohammed VI Polytechnique (UM6P) au sein de l'Analytics Lab.

Auteur : Arnaud Ulrich TOE

🌟 Fonctionnalités Clés

🔗 Composants de Vision par Ordinateur

• Détection d'Objets: Utilisation de YOLOv8 pour la détection rapide et précise des personnes.
• Extraction de Caractéristiques et Ré-identification (Re-ID): Utilisation du modèle OSNet pour générer des vecteurs de caractéristiques uniques permettant de faire correspondre la même personne à travers différentes caméras.
• Estimation de Pose: Intégration de YOLOv8-Pose pour une analyse détaillée des mouvements et de la posture des individus.
• Multi-Suivi: Algorithmes de suivi avancés (probablement basés sur ByteTrack/DeepSORT, compte tenu des dépendances) pour maintenir l'identité de l'individu sur de longues périodes.

🖥️ Interface Web Interactive (Flask)

• Visualisation en Temps Réel: Affichage dynamique des flux vidéo avec les boîtes englobantes de suivi.
• Suivi Sélectif: Possibilité de sélectionner un individu et de le suivre spécifiquement à travers les différentes caméras.
• Génération de Rapports: Fonctionnalité d'exportation de rapports d'activité au format PDF (fpdf2).
• Gestion des Configurations: Interface pour modifier les paramètres du système de suivi et de détection.

🛠️ Guide d'Installation de l'Environnement

Le projet nécessite une installation via Anaconda/Miniconda et des packages spécifiques nécessitant le support CUDA 11.8 pour une performance optimale sur GPU.

📌 Prérequis

1. Anaconda ou Miniconda installé.
2. NVIDIA GPU avec le kit de développement CUDA 11.8 et cuDNN installé sur votre système (requis pour PyTorch, TorchVision et FAISS GPU).

---

ÉTAPE 1: Créer l'environnement Conda

Ouvrez votre terminal (Anaconda Prompt) et exécutez la commande suivante :

conda create -n tra python=3.8.20

- conda activate tra 

- Ovrire fichier requirements.txt 

- install chaque bibloéthique avec chanel exact ( conda , conda-forge, pip install) 

- ovrire le projet dans vs code 

- lance terminale activé virtuel env "tra" 

- lance la commande  ' python main_app.py '