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AllinOne！

行人分析工具PP-Human重磅升级&＃xff01;

• 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&＃xff0c;从技术选型、数据准备到模型部署全覆盖

图1&＃xff1a;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&＃xff0c;直接省去方案选型、模型搭建的步骤&＃xff0c;一行命令即可实现快速推理&＃xff0c;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&＃xff0c;还提供流畅顺滑的pipeline使用体验。

点击阅读原文获得链接

★ 欢迎Star收藏 ★

https://github.com/PaddlePaddle/PaddleDetection

图2&＃xff1a;10&＃43;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&＃xff0c;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&＃xff0c;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&＃xff0c;更符合产业复杂的环境应用需求&＃xff0c;同时考虑到产业自定义开发的需求&＃xff0c;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&＃xff0c;还是从全流程易用性上都实现了显著的提升&＃xff0c;可概括为以下三大特性&＃xff1a;

• 四大产业特色功能&＃xff1a;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&＃xff1a;覆盖行人检测、跟踪、属性三类核心算法能力&＃xff0c;对目标人数、光线、背景均无限制;

• 极低使用门槛&＃xff1a;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3&＃xff1a;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&＃xff08;抽烟、打电话、闯入、打架、摔倒&＃xff09;分别构建了性价比最高的技术方案&＃xff0c;无论是从精度速度&＃xff0c;还是可扩展性上&＃xff0c;都有绝对性的优势&＃xff0c;先来看看它的性能&＃xff1a;

图4&＃xff1a;行为识别性能指标

• 模型下载链接&＃xff1a;
  

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&＃xff0c;作为选择困难症的福音&＃xff0c;助力开发者快速完成方案选型。

图5&＃xff1a;技术方案选型指南

不仅如此&＃xff0c;以上五种核心技术方案可覆盖90%以上的常见行为识别&＃xff0c;同时支持轻松扩展至全新动作类型。

图6&＃xff1a;动作扩展流程图

• 动作类型扩展教程&＃xff1a;

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7&＃xff1a;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&＃xff0c;不仅支持眼镜、帽子、衣着等26种通用属性&＃xff0c;更是提供高精度、超轻量及性能平衡三个版本&＃xff0c;充分满足各类开发需求&＃xff1a;

图8&＃xff1a;性能表格

• 使用教程&＃xff1a;

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&＃xff0c;仅需开启对应参数即可实现去重人流统计&＃xff0c;输出结果包括进入&＃xff08;in&＃xff09;和出去&＃xff08;out&＃xff09;的行人数量&＃xff0c;适用于各类场景如商场、小区的人流监控。

图9&＃xff1a;人流计数与轨迹绘制示例

• 使用教程&＃xff1a;

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&＃xff0c;需要匹配在不同摄像头下出现的人&＃xff0c;因此相对于跟踪任务&＃xff0c;其更关注的是识别匹配问题&＃xff0c;PP-Human v2采用一种多投票的方式&＃xff0c;利用相同ID的多个目标特征组合&＃xff0c;同时根据完整性、质量进行特征选择&＃xff0c;最终提高匹配效果&＃xff0c;而且其方法与ReID模型独立&＃xff0c;可灵活更换任意ReID模型。

图10&＃xff1a;跨镜跟踪

• 使用教程&＃xff1a;

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

特性二&＃xff1a;

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&＃xff0c;PP-Human v2引入前沿策略与创新设计&＃xff0c;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&＃xff0c;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&＃xff0c;最终实现以下效果&＃xff1a;

行人检测

精度提升1.5%&＃xff0c;达到57.8mAP

采用云边一体高精度实时检测算法PP-YOLOE&＃xff0c;与多场景开源数据集联合训练&＃xff0c;大幅提高模型的泛化能力&＃xff0c;同时结合Objects365预训练加速模型收敛过程&＃xff0c;实现精度提升。

行人跟踪

精度提升10.2%&＃xff0c;速度提升34%

• 高精度&＃xff1a;MOTA 82.2、FPS 43

采用对遮挡和非线性运动鲁棒的OC-SORT跟踪器&＃xff0c;极大改善遮挡导致的ID Switch。

• 轻量级&＃xff1a;MOTA 73.9、FPS 70

依托PP-YOLOE S服务器端轻量级目标检测算法&＃xff0c;达到了极高性价比的检测和跟踪性能。

图11&＃xff1a;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&＃xff0c;精度提升0.6%、速度提升62.5%。

图12&＃xff1a;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&＃xff0c;还针对五大行为识别、属性分析、人流计数/轨迹绘制&＃xff08;检测跟踪&＃xff09;、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&＃xff0c;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13&＃xff1a;全流程教程示例

文档教程链接&＃xff1a;https://github.com/PaddlePaddle/PaddleDetection/tree/develop/docs/advanced_tutorials/customization

除此之外&＃xff0c;PP-Human v2采用pipeline的方式串联各模块&＃xff0c;输入部分支持单张图片&＃xff0c;图片文件夹&＃xff0c;单镜头视频和多镜头视频&＃xff0c;通过命令行输入不同参数即可实现对应功能。

图14&＃xff1a;一行命令输入示例

总而言之&＃xff0c;PP-Human v2在性能SOTA的检测、关键点、跟踪、ReID等核心算法基础上&＃xff0c;针对产业痛点特殊打磨&＃xff0c;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&＃xff0c;并提供了从选型到上线的端到端教程支持&＃xff0c;从真正意义上实现功能好用、易用&＃xff01;

线上私享会

光看文档还不过瘾&＃xff1f;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&＃xff0c;充分和开发者交流产品使用中遇到的难题&＃xff0c;7月19日晚20点&＃xff0c;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&＃xff0c;针对性地讨论目前大家遇到的问题与未来需求&＃xff0c;欢迎大家扫码进群&＃xff0c;获取7月19日线上会议链接&＃xff0c;名额有限&＃xff0c;抓紧报名。

扫码即刻报名

图片来源说明&＃xff1a;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~