EVA2SPORT⚽

🎬 Résultat en action

VIDEO_EXEMPLE_GITHUB.mp4

Pipeline de segmentation vidéo avec SAM2 pour l'analyse sportive

---

🎬 Tutoriels

Retrouver un tutoriel vidéo complet complet : isntallation et utilisation colab et locale.

🎯 Recommandations d'utilisation

🤔 Quel mode choisir ?

Votre situation	Mode recommandé	Avantages
🖥️ Pas de GPU puissant (GPU intégré, ancien GPU, ou CPU uniquement)	🌐 Google Colab	GPU A100, installation automatique, simplicité
💪 GPU puissant disponible (RTX 3070+, RTX 4060+ idéalement)	💻 Pipeline locale	Performance maximale, contrôle total, pas de limite de temps

🚀 Installation selon votre choix

🌐 Mode Google Colab (GPU faible/absent)

Aucune installation nécessaire !

• Utilisez directement : SAM_EVA2PERF_COLAB.ipynb
• GPU (à louer) fourni par Google : 100 crédit = 10€ | L4 ~ 2 credit/h | A100 ~ 7 credit/h
• Installation automatique de toutes les dépendances

💻 Mode Pipeline locale

🚀 Installation préalable

📋 Étape 1 : Installer Git (si nécessaire)

Vérifiez d'abord si Git est installé :

git --version

Si Git n'est pas installé :

# Option 1 : Téléchargement direct (recommandé)
# https://git-scm.com/download/win

# Option 2 : Via winget (Windows 10/11)
winget install Git.Git

📋 Étape 2 : Récupérer le projet

# Cloner le projet
git clone https://github.com/2nzi/EVA2SPORT.git
cd EVA2SPORT

---

📋 Étape 3 : Lancer l'installation de l'environnement

Ouvrir le projet dans votre IDE et ouvrir un terminal à l'interieur

# Installation automatique complète et activation de l'env
.\install.ps1

# Vérification de votre GPU
# uv run python -c "import torch; print(f'PyTorch: {torch.__version__}, CUDA: {torch.cuda.is_available()}')"

L'installation se charge automatiquement de :

• ✅ Installer uv (gestionnaire de paquets Python moderne)
• ✅ Détecter et configurer votre GPU automatiquement
• ✅ Installer Python 3.10+ si nécessaire
• ✅ Télécharger le modèle SAM2 (~2GB)
• ✅ Configurer l'environnement complet

⏱️ Temps d'installation : 5-15 minutes selon votre connexion

---

📊 Workflow Complet - 3 Étapes

🎯 Étape 1 : Préparez vos données

Créez vos fichiers de configuration avec nos interfaces simplifiées :

• 📊 Calibration caméra : https://2nzi-footballfieldcalibaration.hf.space/
• 🎯 Annotation objets : https://2nzi-pointtrackapp.hf.space/

📖 Guide détaillé : Configuration des données

Résultat : Vous obtenez 2 fichiers pour votre vidéo :

📁 data/videos/
├── 🎥 ma_video.mp4
├── 📊 ma_video_calib.json          # Configuration caméra
└── 🎯 ma_video_objects.json        # Annotations objets

🚀 Étape 2 : Choisissez votre mode de traitement

🌐 Mode A : Google Colab (recommandé si GPU faible)

3 types de traitement disponibles :

Mode	Description	Temps	Usage
🎯 Segment événement	Traite un événement précis (ex: 10s autour d'un but)	⚡ 2-5 min	Actions spécifiques
🎬 Vidéo complète	Analyse toute la vidéo	⏳ 10-30 min	Analyse globale
📊 Multi-événements CSV	Traite plusieurs événements depuis un fichier Timeline	⏱️ Variable	Analyse en lot

🚀 Démarrage : SAM_EVA2PERF_COLAB.ipynb

💻 Mode B : Pipeline locale (recommandé si GPU puissant)

Plusieurs scripts selon vos besoins :

# Mode événement lecture csv events
python examples/event_processing.py

# Mode pipeline complète
python tests/test_full_pipeline.py

📊 Étape 3 : Récupérez vos résultats

Fichiers générés automatiquement :

📁 data/videos/outputs/ma_video/
├── 📁 frames/                          # Images extraites
├── 📄 ma_video_project.json            # Données de tracking
└── 🎥 ma_video_annotated.mp4           # Vidéo finale annotée

---

🔧 Aide et Troubleshooting

🚨 Problèmes courants

Problème	Solution
git command not found	✅ Installez Git : https://git-scm.com/download/win
install.ps1 n'est pas possible car pas activé l'exécution de scripts	✅ Ouvrir PowerShell en tant qu'administrateur puis : Set-ExecutionPolicy Unrestricted et répondre O
uv not found	✅ Relancez .\install.ps1
CUDA not available	🌐 Utilisez Google Colab
Out of memory	🔄 Augmentez la FRAME_INTERVAL ou utilisez Colab
FileNotFoundError: calib.json	📊 Suivez le guide de configuration des données

💡 Optimisation performances

Pour GPU local :

# Vérifier votre configuration GPU
nvidia-smi

# Surveiller l'utilisation durant le traitement
watch -n 1 nvidia-smi

Pour Google Colab :

• ✅ Utilisez Colab Pro pour GPU A100 et sessions plus longues
• 🔄 Sauvegardez régulièrement sur Google Drive

---

📚 Organisation de la documentation

Guide	Objectif	Quand l'utiliser
🛠️ README Principal	Installation + vue d'ensemble	✅ Point de départ
📁 Configuration des Données	Processus complet avec interfaces externes	✅ Étape 1 obligatoire
📔 Guide des Notebooks	Notebooks Colab + locaux	✅ Mode notebook choisi
⚙️ Guide Pipeline	Scripts Python	✅ Mode pipeline choisi

🔄 Navigation rapide

• 🆕 Nouveau sur EVA2SPORT ? → Lisez ce README puis Configuration des données
• 🎬 Données prêtes ? → Choisissez Colab ou Pipeline locale
• 🐛 Problème ? → Consultez les sections troubleshooting de chaque guide

---

🎥 Ressources et tutoriels

📹 Vidéos de démonstration

• 🎬 Tutoriel complet d'utilisation
• 📊 Résultat final en action