# 动态屏幕对象追踪系统

**Repository Path**: Sakuya2021/dynamic-tracking

## Basic Information

- **Project Name**: 动态屏幕对象追踪系统
- **Description**: 动态屏幕对象追踪系统
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-03-10
- **Last Updated**: 2025-03-10

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 特征映射管理系统

## 项目结构
```
├── config.py        # 配置管理模块
├── gui.py           # 图形用户界面
├── main.py          # 主程序入口
├── config.json      # 配置文件
└── features/        # 特征图片存储目录
```

## 环境要求
- Python 3.9+
- 必需库：`pip install flet==0.14.0`

## 安装步骤
1. 克隆仓库
2. 选择安装方式：
   - Conda方式（推荐）：
   ```bash
   conda env create -f environment.yml
   conda activate trae_env
   # 系统级依赖安装
   conda install -c conda-forge opencv=4.8.0
   ```

# 根据显卡类型选择安装
# NVIDIA显卡
conda install -c conda-forge cudatoolkit=11.8
# AMD显卡

   ```bash
   conda install -c conda-forge rocm=5.7
   # 更新已有环境
   conda env update -f environment.yml
   ```
   - 或者使用pip：
2. 一键安装所有依赖（使用清华镜像源）：
```bash
pip install -i https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple -r requirements_base.txt

# NVIDIA显卡
pip install -i https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple -r requirements_nvidia.txt

# AMD显卡
pip install -i https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple -r requirements_amd.txt
```

## 镜像加速配置
推荐通过以下命令设置全局镜像源：
```bash
pip config set global.index-url https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple
```
如需临时使用镜像源，可在安装命令中添加 `-i` 参数

## 版本兼容性
- Conda ≥4.12 或 Miniconda3
- Flet 0.14.x 专用版本
- Conda环境支持Windows/Linux/macOS平台
- 支持Python 3.9-3.11

**Windows平台专项说明**：

### 显卡供应商配置
#### NVIDIA显卡
1. 驱动验证命令：
```powershell
nvidia-smi --query-gpu=driver_version,cuda_version --format=csv
```
2. CUDA安装要求：
```powershell
24|   conda env create -f environment.yml
25|   conda activate trae_env
26|   # NVIDIA显卡专用安装步骤
27|   conda install -c conda-forge cudatoolkit=11.8
28|   winget install Nvidia.CUDA --version 12.2
29|   # AMD显卡专用安装步骤
30|   conda install -c conda-forge rocm=5.7
30|   pip install cupy-cuda11x==13.0.0
```
3. 配置界面操作：
   - 启用`gpu_acceleration`时自动检测CUDA可用性
   - 在config.json中设置`"gpu_vendor": "nvidia"`

#### AMD显卡
1. 驱动验证命令：
```powershell
Get-WmiObject -Query "SELECT * FROM Win32_VideoController" | Where-Object {$_.Description -like '*AMD*'}
# 验证成功标准：输出结果应包含AMD显卡型号信息（如Radeon/RX系列）
```
2. ROCm安装要求：
```powershell
winget install AMD.RadeonSoftware.Adrenalin --version 23.12.1
```
3. 安装类型说明：
  - Full Install：完整安装（推荐实时分析场景，包含性能优化工具）
  - Minimal Install：批量处理任务适用（仅核心驱动+OpenCL运行时）
  - Driver Only：科研计算专用（需手动配置ROCm）

4. 版本选择策略：
  - 特征实时追踪：Adrenalin 23.12.1+（含帧优化插件）
  - 特征批量处理：PRO Edition 23.Q4+（支持OpenCL任务队列）
  - 多GPU协作：建议PRO Enterprise + Driver Only模式

5. 配置界面操作：
   - 需要安装OpenCL运行时
   - 在config.json中设置`"gpu_vendor": "amd"`

### Windows 10
1. WSL2启用步骤：
```powershell
# 启用虚拟化功能
dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart
# 设置WSL2为默认版本
wsl --set-default-version 2
# 安装Linux内核更新包
curl -o wsl_update_x64.msi https://wslstorestorage.blob.core.windows.net/wslblob/wsl_update_x64.msi
```

2. 管理员权限获取路径：
 - 控制面板 > 用户账户 > 更改用户账户控制设置
 - 右键开始菜单选择"Windows PowerShell(管理员)"

# 系统要求
## 操作系统
- Windows 10+/macOS Monterey+/Linux kernel 5.15+
- 启用Hyper-V虚拟化支持（建议安装WSL2后端）

## 依赖组件
- OpenCV 4.8需要对应版本的视频编解码器（建议安装ffmpeg）
- Windows需安装Media Foundation，Linux需安装GStreamer

3. 权限获取路径：
 - Win11 22H2设置面板路径：设置 > 隐私和安全性 > 开发者选项 > 终端管理员权限
 - 右键开始菜单选择"终端(管理员)"

4. 系统版本要求：
 - Windows 11 22H2及以上版本
 - 启用Hyper-V虚拟化支持
   - 建议安装WSL2后端

- 需要Windows 10+/macOS Monterey+/Linux kernel 5.15+
- 系统依赖：OpenCV 4.8需要对应版本的视频编解码器（建议安装ffmpeg）
- CUDA要求：NVIDIA驱动≥535，CUDA Toolkit 12.2+（GPU加速时需安装）
- 视频处理依赖：Windows需安装Media Foundation，Linux需安装GStreamer

## 使用方法
### 主程序运行
```bash
python main.py
```

### GUI启动
```bash
python gui.py
```

## 使用场景

### 核心应用领域
1. 🎮 游戏开发 - 实时动态物体追踪
   - 角色动作捕捉
   - 场景物体位移分析
   - 多目标协同追踪

2. 🤖 AI训练 - 特征数据采集
   - 自动化特征提取
   - 多模态数据标注
   - 样本增强处理

3. 🧪 自动化测试 - 界面元素监控
   - UI状态验证
   - 元素定位追踪
   - 异常行为检测

4. 🔒 智能安防 - 运动目标检测
   - 入侵物体识别
   - 移动轨迹分析
   - 预警区域监控

### 硬件配置建议
# 硬件配置
## 显卡要求
| 显卡类型 | 推荐场景           | 处理模式    | 驱动要求              |
|----------|--------------------|-------------|-----------------------|
| NVIDIA   | 实时分析/高频追踪  | CUDA加速    | 驱动≥535, CUDA 12.2+  |
| AMD      | 离线处理/批量分析  | OpenCL优化  | ROCm 5.7+, Adrenalin 23.12.1+ |
| 集成显卡 | 基础监控/简单识别  | CPU模式     | 最新系统驱动          |

## 驱动验证
```powershell
# NVIDIA验证
nvidia-smi --query-gpu=driver_version,cuda_version --format=csv

# AMD验证
Get-WmiObject -Query "SELECT * FROM Win32_VideoController" | Where-Object {$_.Description -like '*AMD*'}
```

## 安装指南
## Conda安装方式
```bash
conda env create -f environment.yml
conda activate trae_env

# NVIDIA显卡
conda install -c conda-forge cudatoolkit=11.8
winget install Nvidia.CUDA --version 12.2

# AMD显卡
conda install -c conda-forge rocm=5.7
```

## Pip安装方式
```bash
# 基础依赖
pip install -i https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple -r requirements_base.txt

# NVIDIA显卡
pip install -i https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple -r requirements_nvidia.txt

# AMD显卡
pip install -i https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple -r requirements_amd.txt
```

## 安装要求
- NVIDIA显卡：需要安装CUDA 11.8和cuDNN 8.6
- AMD显卡：需要安装ROCm 5.7和OpenCL运行时

## 配置说明（config.json）
```json
{
  "tracking_steps": 10,       // 特征追踪步数
  "cpu_utilization": 0.5,     // CPU最大利用率
  "max_memory_usage": 0.4,   // 内存使用上限（总内存比例）
  "gpu_acceleration": true,  // 是否启用GPU加速（需配合gpu_vendor参数使用）
  "gpu_vendor": "auto",     // 显卡供应商(nvidia/amd/auto)
  "object_size_range": [50, 800]  // 目标尺寸范围（像素面积）
}
```

## 特征管理指南
1. 主界面左侧表格显示所有特征
2. 点击行选择特征，右侧显示大图预览
3. 点击编辑按钮修改特征显示名称
4. 修改后自动保存到配置文件

## 常见问题
Q: 图片加载失败怎么办？
A: 请检查features目录是否存在png格式的特征图片

Q: 配置修改未生效？
A: 请确认有config.json文件的写入权限

## 验证CUDA Toolkit安装
```powershell
nvidia-smi --query-gpu=driver_version,cuda_version --format=csv
# 验证CUDA Toolkit安装
ls "$env:CUDA_PATH/include/cuda.h"
```