Skip to content

Latest commit

 

History

History
164 lines (103 loc) · 16.6 KB

README.md

File metadata and controls

164 lines (103 loc) · 16.6 KB

简体中文 | English

PaddleDetection深入探索核心行业的高频场景,提供了行人、车辆场景的开箱即用分析工具,支持图片/单镜头视频/多镜头视频/在线视频流多种输入方式,广泛应用于智慧交通、智慧城市、工业巡检等领域。支持服务器端部署及TensorRT加速,T4服务器上可达到实时。

  • 🚶‍♂️🚶‍♀️ PP-Human支持四大产业级功能:五大异常行为识别、26种人体属性分析、实时人流计数、跨镜头(ReID)跟踪。

  • 🚗🚙 PP-Vehicle囊括四大交通场景核心功能:车牌识别、属性识别、车流量统计、违章检测。

📣 近期更新

  • 🔥🔥🔥 2023.02.15: Jetson部署专用小模型PP-YOLOE-PLUS-Tiny发布,可在AGX平台实现4路视频流实时预测;PP-Vehicle发布违法分析功能车辆逆行和压车道线
  • 2022.8.20:PP-Vehicle首发,提供车牌识别、车辆属性分析(颜色、车型)、车流量统计以及违章检测四大功能,完善的文档教程支持高效完成二次开发与模型优化
  • 2022.7.13:PP-Human v2发布,新增打架、打电话、抽烟、闯入四大行为识别,底层算法性能升级,覆盖行人检测、跟踪、属性三类核心算法能力,提供保姆级全流程开发及模型优化策略
  • 2022.4.18:新增PP-Human全流程实战教程, 覆盖训练、部署、动作类型扩展等内容,AIStudio项目请见链接
  • 2022.4.10:新增PP-Human范例,赋能社区智能精细化管理, AIStudio快速上手教程链接
  • 2022.4.5:全新发布实时行人分析工具PP-Human,支持行人跟踪、人流量统计、人体属性识别与摔倒检测四大能力,基于真实场景数据特殊优化,精准识别各类摔倒姿势,适应不同环境背景、光线及摄像角度

🔮 功能介绍与效果展示

PP-Human

⭐ 功能 💟 方案优势 💡示例图
跨镜跟踪(ReID) 超强性能:针对目标遮挡、完整度、模糊度等难点特殊优化,实现mAP 98.8、1.5ms/人
属性分析 兼容多种数据格式:支持图片、视频、在线视频流输入

高性能:融合开源数据集与企业真实数据进行训练,实现mAP 95.4、2ms/人

支持26种属性:性别、年龄、眼镜、上衣、鞋子、帽子、背包等26种高频属性
行为识别(包含摔倒、打架、抽烟、打电话、人员闯入) 功能丰富:支持摔倒、打架、抽烟、打电话、人员闯入五种高频异常行为识别

鲁棒性强:对光照、视角、背景环境无限制

性能高:与视频识别技术相比,模型计算量大幅降低,支持本地化与服务化快速部署

训练速度快:仅需15分钟即可产出高精度行为识别模型
人流量计数
轨迹记录
简洁易用:单个参数即可开启人流量计数与轨迹记录功能

PP-Vehicle

⭐ 功能 💟 方案优势 💡示例图
车牌识别 支持传统车牌和新能源绿色车牌

车牌识别采用长间隔采样识别与多次结果统计投票方式,算力消耗少,识别精度高,结果稳定性好。 检测模型 hmean: 0.979; 识别模型 acc: 0.773
车辆属性分析 支持多种车型、颜色类别识别

使用更强力的Backbone模型PP-HGNet、PP-LCNet,精度高、速度快。识别精度: 90.81
违章检测 简单易用:一行命令即可实现违停检测,自定义设置区域

检测、跟踪效果好,可实现违停车辆车牌识别
车流量计数 简单易用:一行命令即可开启功能,自定义出入位置

可提供目标跟踪轨迹显示,统计准确度高
违法分析-车辆逆行 简单易用:一行命令即可开启功能

车道线分割使用高精度模型PP-LIteSeg
违法分析-压车道线 简单易用:一行命令即可开启功能

车道线分割使用高精度模型PP-LIteSeg

🗳 模型库

PP-Human

端到端模型效果(点击展开)
任务 端到端速度(ms) 模型方案 模型体积
行人检测(高精度) 25.1ms 多目标跟踪 182M
行人检测(轻量级) 16.2ms 多目标跟踪 27M
行人检测(超轻量级) 10ms(Jetson AGX) 多目标跟踪 17M
行人跟踪(高精度) 31.8ms 多目标跟踪 182M
行人跟踪(轻量级) 21.0ms 多目标跟踪 27M
行人跟踪(超轻量级) 13.2ms(Jetson AGX) 多目标跟踪 17M
跨镜跟踪(REID) 单人1.5ms REID REID:92M
属性识别(高精度) 单人8.5ms 目标检测
属性识别
目标检测:182M
属性识别:86M
属性识别(轻量级) 单人7.1ms 目标检测
属性识别
目标检测:182M
属性识别:86M
摔倒识别 单人10ms 多目标跟踪
关键点检测
基于关键点行为识别
多目标跟踪:182M
关键点检测:101M
基于关键点行为识别:21.8M
闯入识别 31.8ms 多目标跟踪 182M
打架识别 19.7ms 视频分类 90M
抽烟识别 单人15.1ms 目标检测
基于人体id的目标检测
目标检测:182M
基于人体id的目标检测:27M
打电话识别 单人ms 目标检测
基于人体id的图像分类
目标检测:182M
基于人体id的图像分类:45M

点击模型方案中的模型即可下载指定模型,下载后解压存放至./output_inference目录中

PP-Vehicle

端到端模型效果(点击展开)
任务 端到端速度(ms) 模型方案 模型体积
车辆检测(高精度) 25.7ms 多目标跟踪 182M
车辆检测(轻量级) 13.2ms 多目标跟踪 27M
车辆检测(超轻量级) 10ms(Jetson AGX) 多目标跟踪 17M
车辆跟踪(高精度) 40ms 多目标跟踪 182M
车辆跟踪(轻量级) 25ms 多目标跟踪 27M
车辆跟踪(超轻量级) 13.2ms(Jetson AGX) 多目标跟踪 17M
车牌识别 4.68ms 车牌检测
车牌字符识别
车牌检测:3.9M
车牌字符识别: 12M
车辆属性 7.31ms 车辆属性 7.2M
车道线检测 47ms 车道线模型 47M

点击模型方案中的模型即可下载指定模型,下载后解压存放至./output_inference目录中

📚 详细文档

🚶‍♀️ 行人分析工具PP-Human

行为识别

行人属性/特征识别

跨镜跟踪/ReID

行人跟踪、人流计数与轨迹记录

🚘 车辆分析工具PP-Vehicle

车牌识别

车辆属性分析

违章检测

车辆跟踪、车流计数与轨迹记录

车辆违法压线

车辆逆行