PaddleDetection 检测跟踪

PaddleDetection   检测跟踪

PP-Human检测跟踪模块

行人检测与跟踪在智慧社区，工业巡检，交通监控等方向都具有广泛应用，PP-Human中集成了检测跟踪模块，是关键点检测、属性行为识别等任务的基础。我们提供了预训练模型，用户可以直接下载使用。

任务	算法	精度	预测速度(ms)	下载链接
行人检测/跟踪	PP-YOLOE	mAP: 56.3 MOTA: 72.0	检测: 28ms 跟踪：33.1ms	下载链接

1. 检测/跟踪模型精度为MOT17，CrowdHuman，HIEVE和部分业务数据融合训练测试得到
2. 预测速度为T4 机器上使用TensorRT FP16时的速度, 速度包含数据预处理、模型预测、后处理全流程

使用方法

1. 从上表链接中下载模型并解压到./output_inference路径下
2. 图片输入时，启动命令如下

python deploy/pphuman/pipeline.py --config deploy/pphuman/config/infer_cfg.yml \
                                                   --image_file=test_image.jpg \
                                                   --device=gpu

3. 视频输入时，启动命令如下

python deploy/pphuman/pipeline.py --config deploy/pphuman/config/infer_cfg.yml \
                                                   --video_file=test_video.mp4 \
                                                   --device=gpu

4. 若修改模型路径，有以下两种方式：

   • ./deploy/pphuman/config/infer_cfg.yml下可以配置不同模型路径，检测和跟踪模型分别对应DET和MOT字段，修改对应字段下的路径为实际期望的路径即可。
   • 命令行中增加--model_dir修改模型路径：

python deploy/pphuman/pipeline.py --config deploy/pphuman/config/infer_cfg.yml \
                                                   --video_file=test_video.mp4 \
                                                   --device=gpu \
                                                   --model_dir det=ppyoloe/
                                                   --do_entrance_counting \
                                                   --draw_center_traj

注意:

• --do_entrance_counting表示是否统计出入口流量，不设置即默认为False
• --draw_center_traj表示是否绘制跟踪轨迹，不设置即默认为False。注意绘制跟踪轨迹的测试视频最好是静止摄像头拍摄的。

　　  5.摄像头输入时，启动命令如下

python deploy/pphuman/pipeline.py --config deploy/pphuman/config/infer_cfg.yml --camera_id=2 --device=gpu

参考：https://github.com/PaddlePaddle/PaddleDetection/blob/release/2.4/deploy/pphuman/docs/mot.md

#############################