10分钟自定义搭建行人分析系统,检测跟踪、行为识别、人体属性All-in-One

原创
07/15 06:28
阅读数 1.6K

本文已在飞桨公众号发布,查看请戳链接:

10分钟自定义搭建行人分析系统,检测跟踪、行为识别、人体属性All-in-One

行人分析工具PP-Human重磅升级!

  • 五大异常行为一键识别

  • 10余种预训练模型一站下载

  • 10分钟快速新增识别类型

  • 全流程保姆级教程,从技术选型、数据准备到模型部署全覆盖

图片

图1:PP-Human v2全功能全景图

PP-Human集成了目标检测、目标跟踪、关键点检测、视频分类等硬核能力于一身,直接省去方案选型、模型搭建的步骤,一行命令即可实现快速推理,10分钟即可快速扩展个性化能力模块。不仅核心功能的性能直接拉满,还提供流畅顺滑的pipeline使用体验。

点击获得链接

★ 欢迎Star收藏 ★

https://github.com/PaddlePaddle/PaddleDetection

图片

图片

图2:10+预训练模型可免费下载

PP-Human经由真实业务场景数据深度打磨优化,拥有适应不同光线、复杂背景下的人体属性特征分析、异常行为识别、出入口人流计数与轨迹绘制、跨镜跟踪四大核心功能。不仅如此,PP-Human还兼容单张图片、单路或多路视频等多种数据输入类型,更符合产业复杂的环境应用需求,同时考虑到产业自定义开发的需求,PP-Human还提供了模型训练与功能新增全流程教程。

本次全面升级的PP-Human v2无论是从功能丰富度、底层算法性能,还是从全流程易用性上都实现了显著的提升,可概括为以下三大特性:

  • 四大产业特色功能:高性能易扩展的五大复杂行为识别、闪电级人体属性识别、一行代码即可实现的人流检测与轨迹留存以及高精度跨镜跟踪;

  • 底层核心算法性能强劲:覆盖行人检测、跟踪、属性三类核心算法能力,对目标人数、光线、背景均无限制;

  • 极低使用门槛:提供保姆级全流程开发及模型优化策略、一行命令完成推理、兼容各类数据输入格式。

特性一 四大产业特色功能

高性能易扩展的

五大复杂行为识别能力

图片

图3:行为识别全景图

PP-Human v2针对最核心、高频的五种复杂异常行为识别(抽烟、打电话、闯入、打架、摔倒)分别构建了性价比最高的技术方案,无论是从精度速度,还是可扩展性上,都有绝对性的优势,先来看看它的性能:

图片

图4:行为识别性能指标

  • 模型下载链接:

https://github.com/PaddlePaddle/PaddleDetection/blob/develop/deploy/pipeline/docs/tutorials/action.md

贴心的PP-Human v2还为大家准备了针对以上五种核心技术的完整选型指南,作为选择困难症的福音,助力开发者快速完成方案选型。

图片

图5:技术方案选型指南

不仅如此,以上五种核心技术方案可覆盖90%以上的常见行为识别,同时支持轻松扩展至全新动作类型。

图片

图6:动作扩展流程图

  • 动作类型扩展教程:

https://github.com/PaddlePaddle/PaddleDetection/blob/develop/docs/advanced_tutorials/customization/action_recognotion/README.md

闪电级人体属性识别

图片

图7:人体属性分析效果示例

作为PP-Human v2本次重磅升级的属性识别能力,不仅支持眼镜、帽子、衣着等26种通用属性,更是提供高精度、超轻量及性能平衡三个版本,充分满足各类开发需求:

图片

图8:性能表格

  • 使用教程:

https://github.com/PaddlePaddle/PaddleDetection/blob/develop/deploy/pipeline/docs/tutorials/attribute.md

一行代码快速实现人流计数

PP-Human v2提供基于跟踪的人流检测,仅需开启对应参数即可实现去重人流统计,输出结果包括进入(in)和出去(out)的行人数量,适用于各类场景如商场、小区的人流监控。

图片

图9:人流计数与轨迹绘制示例

  • 使用教程:

https://github.com/PaddlePaddle/PaddleDetection/blob/develop/deploy/pipeline/docs/tutorials/mot.md

高精度的跨镜跟踪能力

在跨镜跟踪中,需要匹配在不同摄像头下出现的人,因此相对于跟踪任务,其更关注的是识别匹配问题,PP-Human v2采用一种多投票的方式,利用相同ID的多个目标特征组合,同时根据完整性、质量进行特征选择,最终提高匹配效果,而且其方法与ReID模型独立,可灵活更换任意ReID模型。

图片

图10:跨镜跟踪

  • 使用教程:

https://github.com/PaddlePaddle/PaddleDetection/blob/develop/deploy/pipeline/docs/tutorials/mtmct.md

特性二: 底层核心算法性能强劲

强大的功能背后缺少不了性能强劲的底层核心算法支撑,PP-Human v2引入前沿策略与创新设计,在行人检测、跟踪、属性识别三大核心算法均实现性能大幅提升,特别针对产业常见难点如ID Switch、密集遮挡等都进行了特殊优化,最终实现以下效果:

行人检测

精度提升1.5%,达到57.8mAP

采用云边一体高精度实时检测算法PP-YOLOE,与多场景开源数据集联合训练,大幅提高模型的泛化能力,同时结合Objects365预训练加速模型收敛过程,实现精度提升。

行人跟踪

精度提升10.2%,速度提升34%

  • 高精度:MOTA 82.2、FPS 43

采用对遮挡和非线性运动鲁棒的OC-SORT跟踪器,极大改善遮挡导致的ID Switch。

  • 轻量级:MOTA 73.9、FPS 70

依托PP-YOLOE S服务器端轻量级目标检测算法,达到了极高性价比的检测和跟踪性能。

图片

图11:ID Switch对比图

属性识别

提供高精度、轻量级、性能平衡三版模型,精度提升0.6%、速度提升62.5%。

图片

图12:属性性能指标图

特性三 极低开发门槛

升级后的PP-Human v2除了在性能和扩展性上做到极致之外,还针对五大行为识别、属性分析、人流计数/轨迹绘制(检测跟踪)、跨境跟踪四大能力均提供了从数据采集、标注、模型训练、优化、部署的全流程保姆级教程,再也不用为如何使用标注工具、拿不准优化策略之类的问题所烦恼了。

图片

图13:全流程教程示例

文档教程链接:https://github.com/PaddlePaddle/PaddleDetection/tree/develop/docs/advanced_tutorials/customization

除此之外,PP-Human v2采用pipeline的方式串联各模块,输入部分支持单张图片,图片文件夹,单镜头视频和多镜头视频,通过命令行输入不同参数即可实现对应功能。

图片

图14:一行命令输入示例

总而言之,PP-Human v2在性能SOTA的检测、关键点、跟踪、ReID等核心算法基础上,针对产业痛点特殊打磨,支持人体属性分析、五大行为识别、人流计数与轨迹绘制与跨镜跟踪四大功能,并提供了从选型到上线的端到端教程支持,从真正意义上实现功能好用、易用!

线上私享会

光看文档还不过瘾?为了让开发者们更深入的了解PP-Human v2这套多功能行人分析工具的使用,充分和开发者交流产品使用中遇到的难题,7月19日晚20点PaddleDetection产研团队核心成员将和进群开发者一起召开一次线上讨论会,针对性地讨论目前大家遇到的问题与未来需求,欢迎大家扫码进群,获取7月19日线上会议链接,名额有限,抓紧报名。

图片来源说明:以上所有图片视频来自开源数据集、免费商用网站、上海天覆科技企业。

关注【飞桨PaddlePaddle】公众号
获取更多技术内容~

本文同步分享在 博客“飞桨PaddlePaddle”(CSDN)。
如有侵权,请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。

展开阅读全文
加载中

作者的其它热门文章

打赏
0
3 收藏
分享
打赏
0 评论
3 收藏
0
分享
返回顶部
顶部