PaddleDetection行人分析工具PP-Human案例实操

已于 2022-10-24 23:14:21 修改
阅读量2.1k 收藏 15
点赞数
文章标签： 1024程序员节
于 2022-10-24 19:34:12 首次发布
原文链接：https://aistudio.baidu.com/aistudio/projectdetail/4834683
版权

PaddleDetection行人分析工具-PP-Human案例实操

本项目将带大家快速上手PP-Human，实操行人跟踪、属性分析和行为识别等行人高频场景应用，以及PP-Human多种使用方式。
光看项目不够？飞桨PaddleDetection还准备了三日课程，百度高工现场代码教学。

10月19日（周三）晚 8：30-9：30

为大家带来PP-Human的详细解读，10分钟搭建行人分析系统，课程亮点：

  • 打架摔倒等5大异常行为识别技术揭秘
  • 检测/跟踪/关键点等10+核心算法升级解析
  • 离线/在线视频流推理部署实操
  • 行人属性分析二次开发手把手教学

行人分析工具介绍

行人分析工具，是围绕人的轨迹跟踪、行为识别、属性分析等进行分析的智能工具，可以帮忙人们完成一些繁琐的固定任务的统计、分析。例如：公园、商场的人流量统计；摔倒、打架等危险行为的判断；等等这些以人为核心的分析任务。

PaddleDetection

PaddleDetection为基于飞桨PaddlePaddle的端到端目标检测套件，内置30+模型算法及300+预训练模型，覆盖目标检测、实例分割、跟踪、关键点检测等方向，其中包括服务器端和移动端高精度、轻量级产业级SOTA模型、冠军方案和学术前沿算法，并提供配置化的网络模块组件、十余种数据增强策略和损失函数等高阶优化支持和多种部署方案，在打通数据处理、模型开发、训练、压缩、部署全流程的基础上，提供丰富的案例及教程，加速算法产业落地应用。

github网址：https://github.com/PaddlePaddle/PaddleDetection

环境准备

  1. 首先，下载PaddleDetection代码库
git clone https://github.com/PaddlePaddle/PaddleDetection.git
cd PaddleDetection
  1. 安装代码库依赖包
pip install -r requirements.txt

# 下载代码库并安装依赖软件包
%cd work
!git clone https://gitee.com/paddlepaddle/PaddleDetection
%cd PaddleDetection
!pip install -r requirements.txt

场景分析工具PP-Human、PP-Vehicle介绍

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。

github网址:https://github.com/PaddlePaddle/PaddleDetection/tree/release/2.5/deploy/pipeline

PP-Human使用操作方式解析

1. 一行命令执行功能(通用配置文件方式)：

命令格式：

python deploy/pipeline/pipeline.py --config deploy/pipeline/config/infer_cfg_pphuman.yml `-o Module.enable=True` --video_file=../video/c1.mp4 --device=gpu

该命令中-o Module.enable=True 命令开启目标功能。
其中Module模块可以是以下任意功能：

  1. MOT（目标跟踪）
  2. ATTR（属性分析）
  3. VIDEO_ACTION（视频行为分析，案例：打架）
  4. SKELETON_ACTION（骨骼行为分析，案例：摔倒）
  5. ID_BASED_DETACTION（检测行为分析，案例：抽烟）
  6. ID_BASED_CLSACTION（分类行为分析，案例：打电话）
  7. REID（跨镜跟踪）
命令参数说明
参数是否必须含义
–configYes配置文件路径
-oOption覆盖配置文件中对应的配置
–image_fileOption需要预测的图片
–image_dirOption要预测的图片文件夹路径
–video_fileOption需要预测的视频，或者rtsp流地址（推荐使用rtsp参数）
–rtspOptionrtsp视频流地址，支持一路或者多路同时输入
–camera_idOption用来预测的摄像头ID，默认为-1(表示不使用摄像头预测，可设置为：0 - (摄像头数目-1) )，预测过程中在可视化界面按q退出输出预测结果到：output/output.mp4
–deviceOption运行时的设备，可选择CPU/GPU/XPU，默认为CPU
–pushurlOption对预测结果视频进行推流的地址，以rtsp://开头，该选项优先级高于视频结果本地存储，打开时不再另外存储本地预测结果视频
–output_dirOption可视化结果保存的根目录，默认为output/
–run_modeOption使用GPU时，默认为paddle, 可选（paddle/trt_fp32/trt_fp16/trt_int8）
–enable_mkldnnOptionCPU预测中是否开启MKLDNN加速，默认为False
–cpu_threadsOption设置cpu线程数，默认为1
–trt_calib_modeOptionTensorRT是否使用校准功能，默认为False。使用TensorRT的int8功能时，需设置为True，使用PaddleSlim量化后的模型时需要设置为False
–do_entrance_countingOption是否统计出入口流量，默认为False
–draw_center_trajOption是否绘制跟踪轨迹，默认为False
–region_typeOption‘horizontal’（默认值）、‘vertical’：表示流量统计方向选择；‘custom’：表示设置闯入区域
–region_polygonOption设置闯入区域多边形多点的坐标，无默认值
–do_break_in_countingOption此项表示做区域闯入检查

请点击此处查看本环境基本用法.

Please click here for more detailed instructions.

# 案例1：使用pphuman通用配置文件infer_cfg_pphuman.yml, 通过 -o MOT.enable=True 命令开启目标跟踪功能, 使用--output_dir指定保存路径（默认为output文件夹）
!python deploy/pipeline/pipeline.py --config deploy/pipeline/config/infer_cfg_pphuman.yml -o MOT.enable=True --video_file=../video/c1.mp4 --device=gpu --output_dir=output/mot

# 案例2：使用pphuman通用配置文件infer_cfg_pphuman.yml, 通过 -o ATTR.enable=True 命令开启行人属性分析功能
!python deploy/pipeline/pipeline.py --config deploy/pipeline/config/infer_cfg_pphuman.yml -o ATTR.enable=True --video_file=../video/c1.mp4 --device=gpu --output_dir=output/attr

# 案例3：更换使用的模型，指定使用PP-YOLOE-s版本小模型
!python deploy/pipeline/pipeline.py --config deploy/pipeline/config/infer_cfg_pphuman.yml -o MOT.enable=True MOT.model_dir=https://bj.bcebos.com/v1/paddledet/models/pipeline/mot_ppyoloe_s_36e_pipeline.zip --video_file=../video/c1.mp4 --device=gpu --output_dir=output/mot_s

2. 使用examples配置文件，快速执行功能

命令格式：

python deploy/pipeline/pipeline.py --config deploy/pipeline/config/examples/`config.yml` --video_file=`input.mp4` --device=gpu

只需修改两个选项：

  1. config.yml: 选择目标功能配置文件，根据旋转的配置文件开启相应功能
  2. input.mp4: 选择分析目标视频文件
# 案例1：使用examples配置文件对c1.mp4视频进行行人目标跟踪分析
!python deploy/pipeline/pipeline.py --config deploy/pipeline/config/examples/infer_cfg_human_mot.yml --video_file=../video/c1.mp4 --device=gpu --output_dir=output/mot

# 案例2：使用examples配置文件对c1.mp4视频进行行人属性分析
!python deploy/pipeline/pipeline.py --config deploy/pipeline/config/examples/infer_cfg_human_attr.yml --video_file=../video/c1.mp4 --device=gpu --output_dir=output/attr

# 案例3：使用examples配置文件对c1.mp4视频进行人员打电话识别分析
!python deploy/pipeline/pipeline.py --config deploy/pipeline/config/examples/infer_cfg_calling.yml --video_file=../video/c1.mp4 --device=gpu --output_dir=output/calling

3. 视频文件夹并行分析

命令格式：

python deploy/pipeline/pipeline.py --config deploy/pipeline/config/examples/config.yml `--video_dir`=video_dir --device=gpu

其中--video_dir表示视频文件夹路径

# 视频文件夹分析案例
!python deploy/pipeline/pipeline.py --config deploy/pipeline/config/examples/infer_cfg_human_attr.yml --video_dir=../video/ --device=gpu

4. 图片输入方式分析

  1. 单张图片分析
    命令格式：
python deploy/pipeline/pipeline.py --config deploy/pipeline/config/examples/config.yml --`image_file`=demo/hrnet_demo.jpg --device=gpu

其中--image_file表述输入图片路径

  1. 图片文件夹分析
    命令格式：
python deploy/pipeline/pipeline.py --config deploy/pipeline/config/examples/config.yml `--image_dir`=video_dir --device=gpu

其中--image_dir表示图片文件夹路径

#案例：单张图片输入分析
!python deploy/pipeline/pipeline.py --config deploy/pipeline/config/examples/infer_cfg_human_attr.yml --image_file=demo/hrnet_demo.jpg --device=gpu

5.RTSP视频流推、拉流使用

  1. 拉流命令格式：
python deploy/pipeline/pipeline.py --config deploy/pipeline/config/examples/config.yml `--rtsp=[YOUR_RTSP_SITE]` --device=gpu

其中--rtsp=[YOUR_RTSP_SITE]设置rtsp拉流地址

  1. 推流命令格式
python deploy/pipeline/pipeline.py --config deploy/pipeline/config/examples/config.yml --video_file=input.mp4  `--pushurl=rtsp://127.0.0.1:8554` --device=gpu

其中--pushurl=[YOUR_RTSP_SERVER_IP]设置rtsp推流地址

注意：

  1. 使用RTSP推拉流功能时请确保网络地址可以访问，否则不能正确运行
  2. 受限于Aistudio环境中ffmpeg版本，推流功能无法在Aistudio环境中执行，请下载到本地环境执行。
  3. rtsp推流服务基于 rtsp-simple-server，使用请提前开启，详情及下载地址请参考PP-Human使用文档
#案例：rtsp拉流分析
#!python deploy/pipeline/pipeline.py --config deploy/pipeline/config/examples/infer_cfg_human_mot.yml --rtsp=rtsp://[YOUR_RTSP_SITE] --device=gpu

#案例：rtsp推流分析
#!python deploy/pipeline/pipeline.py --config deploy/pipeline/config/examples/infer_cfg_human_mot.yml --device=gpu --video_file=../video/c1.mp4  --pushurl rtsp://127.0.0.1:8554

飞桨PaddleDetection准备的三日课程由百度研发工程师们详细讲解PP-Human细节，大家千万不要错过！

此文章为搬运
原项目链接

AI Studio
关注
  • 0
    点赞
  • 踩
  • 15
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
PaddlePaddle-CrowdNet：基于深度学习的密集人群计数解决方案
gitblog_00075的博客
04-24 456
PaddlePaddle-CrowdNet：基于深度学习的密集人群计数解决方案 项目地址:https://gitcode.com/yeyupiaoling/PaddlePaddle-CrowdNet 在现代社会中，密集人群的统计与管理对公共安全、城市规划和活动组织至关重要。为此，我们向您推荐一个由PaddlePaddle框架支持的优秀开源项目——CrowdNet。这是一个深度学习模型，专为大规模...
基于PP-Human的人流量可视化数据大屏
04-13
基于行人分析工具，我们使用Django+Pyecharts完成动态数据大屏的开发, 完成了人流数据的采集与入库, 打架、摔倒、打电话等事件的警报收集与可视化, 并添加了口罩检测。 对于边缘端的CPU部署性能优化，我们采用Open...
【飞桨Paddle】RTSP视频流和PP-Human实时行人分析
qq_41807261的博客
11-21 3295
预测结果进行rtsp推流
Paddlehub行人检测
小柒的博客
12-01 487
paddlehub行人检测
PaddlePaddle训练行人检测模型（PPYOLO）
m0_49865255的博客
06-12 2094
前言：  该项目已在AI Studio开源：AI_Studio项目链接  该项目是在准备今年软件杯百度行人跟踪赛题的其中一个项目：行人检测模型的训练。借助PaddleDetection这一工具可以很大程度的减小工作量，完成最终项目。 说废话之前，先强调一点，由于在生成新版本的时候，上传有限制。所以，不能把整个项目一起上传，因此，下面在运行的时候可能会有些小问题，多加小心哦~ 下面我想说点“废话”。AI项目的落地其实是一个挺复杂的过程的，需要数据集的准备、网络模型的搭建、模型的训练、最后是模型的部署，虽然罗列
【PP-Human】飞桨看NBA——篮球赛多主体识别追踪
m0_63642362的博客
07-09 1452
实时识别追踪篮球赛视频中的运动员与篮球。使用PPYOLOE + PPHuman
PaddleDetection 行人检测（Pedestrian Detection） 垂直领域效果差
q742971636的博客
07-15 951
文章目录基本信息COCO2017验证下载数据放这里修改yaml在主目录执行验证脚本预测 https://github.com/PaddlePaddle/PaddleDetection/blob/release/2.1/configs/pedestrian/README_cn.md 基本信息 性能： IOU=.5时的AP为 0.792。 IOU=.5-.95时的AP为 0.518。 权重大小 运行占用显存： COCO2017验证 下载数据放这里 修改yaml 在主目录执行验证脚本 执行： pyth
PP-Human人类属性的识别服务
weixin_44929001的博客
02-22 616
基于视频输入的属性识别，任务类型包含多目标跟踪和属性识别，PP-Human提供了目标检测、属性识别、行为识别、ReID预训练模型，以实现不同使用场景
基于飞桨深度学习框架的实时行人分析工具PP-Human进行功能扩展的球赛识别追踪工具.zip
02-19
人工智能-项目实践-深度学习
基于Javascript的AIWorkShop-PP-HUMAN客流量统计设计源码
最新发布
05-26
本项目是基于Javascript的AIWorkShop-PP-HUMAN客...该项目是基于PP-HUMAN的客流量统计，通过整合PeddleDet的PP-HUUMAN部分，实现了客流量数据的可视化展示，旨在为用户提供一个高效、便捷的客流量统计分析解决方案。
openvino部署-使用openvino+csharp部署pp-human-项目实战.zip
01-18
openvino部署_使用openvino+csharp部署pp-human_项目实战
数据集：基于PaddleX的人脸、戴口罩和吸烟目标检测.zip
06-14
基于PaddleX的人脸、戴口罩和吸烟目标检测 数据预处理 使用了图像混合、随机像素变换、随机膨胀、随即裁剪、随机水平翻转等数据增强方法。
human-detection-and-motion-detection.rar_AVI_human motion matlab
09-22
detection if moving human in .avi video file simple and robust
（从零开始包教会）windows下使用PP-human实现行人检测、目标追踪。
qq_44836316的博客
05-11 2067
基于paddel的human实战，行人检测，目标追踪
智慧安防异常行为系列之毫秒级精准打架识别，PP-Human实现360度安全保障
PaddlePaddle
09-21 888
监控摄像头覆盖场景范围越来越广泛，2020年全球安防摄像头出货量就高达3.75亿。而在摄像头监控场景中，通过人工24小时监控每个摄像头的方式不仅大量消耗人力，也会存在疏漏的情况，造成异常情况无法及时报警，导致难以挽回的损失。AI视觉技术的高速发展为安全防范提供了全新的解决方案，以模型替代人力，24小时360度的全方位监控下，还可实现毫秒级的精准识别与预警，用最低的成本带来最完善的安全保障。在实际应...
PaddlePaddle 行人重识别（ReID）模型训练
m0_49865255的博客
06-12 2986
前言：  该项目已在AI Studio开源，建议上AI Studio哦！AI Studio项目地址  该项目是在准备今年软件杯百度行人跟踪赛题的其中一个项目：行人重识别模型的训练。总共就只有三个步骤：数据集的准备、模型的搭建、最后是***模型训练***。 下面是最终的跟踪效果图   一、数据集的准备： 1、下载Market_net数据集或者MARS数据集  我已经下载，并在AI Studio上开源了，有需要的小伙伴可以去我的个人中心查找。 #解压Market_net数据集以及MARS数据集 #!unzip
paddlepaddle PPYOLO做检测的DeepSort（行人跟踪 2021软件杯）
m0_49865255的博客
06-12 2386
前言：  该项目已在AI Studio平台开源，喜欢的同学，欢迎fork哦：AI Studio项目链接 首先在这里说一下，由于这个项目在比赛期间更改过多次，所以在运行的过程中可能会出现一些小小的插曲，还望各位小伙伴们见谅！！！不过，请相信这些小插曲是很容易就能解决的。如果实在是不能解决，请及时联系我。我会在文章的末尾留下我的联系方式。 另外，还有一点是有必要提醒一下大家的：该项目可在AI Studio上直接运行，环境是由百度飞桨配置好了的。如果想在本地运行，需要自己配置好paddlepaddle的环境。最
PP-Human人类属性运行环境搭建
weixin_44929001的博客
02-15 799
PP-Human提供了目标检测、属性识别、行为识别、ReID预训练模型，以实现不同使用场景，用户可以直接下载使用.Paddle humank可以实现实现PersonReID、客流等功能github上相关详细文档任务端到端速度（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跨镜跟踪(REID)单人1.5msREID。
PP-Human如何把结果用rtmp流推出去
03-26
要把PP-Human的结果用rtmp流推出去，需要进行以下步骤： 1. 在PP-Human中，选择要推流的节目或活动，并点击“开始直播”。 2. 在直播设置页面中，选择“RTMP推流”作为推流方式，并填写服务器地址、端口号、应用名称和推流码等信息。 3. 确认设置无误后，点击“开始直播”按钮，PP-Human就会开始向指定的RTMP服务器推流。 4. 要接收推流的用户可以使用支持RTMP协议的播放器打开对应的流地址，以实时观看PP-Human的直播内容。 需要注意的是，在推流过程中，需要确保网络连接稳定，以保证推流不断开，同时还需要保证服务器配置和带宽足够支持推流。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值