（从零开始包教会）windows下使用PP-human实现行人检测、目标追踪。

windows10下使用PaddleDetection实现行人检测、目标追踪、行为识别等（从零开始）

引言

1. 关于CUDA以及cuDnn，不是必须的用CPU也可以跑，百度飞桨提供了CPU版本，这篇文章讲的是用GPU跑的，有CPU需求请留言。
2. 如果你的电脑上现在有CUDA以及cudnn可以参考下边的版本并忽略文章中的一和二。
   
   Python 3(3.5.1+/3.6/3.7/3.8/3.9)，64位版本
   pip/pip3(9.0.1+)，64位版本
   CUDA >= 10.1
   cuDNN >= 7.6

一、安装CUDA

安装CUDA，版本选择至关重要，因为后边要装pytorch。
1.查看自己可以装的最高CUDA版本
打开cmd命令窗口（win+R），输入“nvidia-smi”，可以看到下图：

此时驱动的版本是511.65，支持的CUDA版本最大是11.6。如果你的最大版本是9.x。建议你更新驱动，更新驱动链接：https://zhuanlan.zhihu.com/p/52273224。
2.去官网找对应CUDA下载（CUDA>=10.1,最好是CUDA=10.2）
官网：https://developer.nvidia.com/cuda-toolkit-archive

3.安装并验证
1.双击安装包，路径自己在D盘创建一个新目录就可以，注意第一步不要直接D:/CUDA,这样的话名字重复会有大失误。
可以D:/CUDA/Documents。下边按照提示安装完成就OK。
2.验证：
键盘win+R键，输入cmd，并回车，打开CMD命令框。输入如下命令 ：vcc --version

10.2版本的CUDA安装成功。

二、安装cuDnn（版本必须>=7.6，版本太高了也不好）

下载地址：https://developer.nvidia.com/rdp/cudnn-archive
需要注册信息，然后找CUDA对应的版本下载，所以要记住CUDA是哪个版本，我是 10.2 就选择对应项。
如果不想注册信息，就右击复制链接，在迅雷里边下载也可以。

下载下来是个压缩包。
1.解压后，里面有三个文件夹。
2.复制三个文件夹。

3.找到 CUDA 的安装路径，我的是 D:\CUDA
4.粘贴
完成。

三、配置环境

如果你有虚拟环境最好，没有也可以，我这里用的是虚拟环境。
1.虚拟环境创建： conda create -n paddle python=3.7
2.激活虚拟环境： activate paddle
3.安装paddle: python -m pip install paddlepaddle-gpu2.2.2 -i https://mirror.baidu.com/pypi/simple
**(注意：这里CUDA10.1与10.2版本不同，安装命令是有差别的，我这个是10.2的。)
如果您的CUDA是其他版本请参考下面的命令
3.1CUDA10.1的PaddlePaddle：
python -m pip install paddlepaddle-gpu2.2.2.post101 -f https://www.paddlepaddle.org.cn/whl/windows/mkl/avx/stable.html

3.2 CUDA10.2的PaddlePaddle
python -m pip install paddlepaddle-gpu==2.2.2 -i https://mirror.baidu.com/pypi/simple

3.3 CUDA11.0的PaddlePaddle
python -m pip install paddlepaddle-gpu==2.2.2.post110 -f https://www.paddlepaddle.org.cn/whl/windows/mkl/avx/stable.html

3.4 CUDA11.1的PaddlePaddle
python -m pip install paddlepaddle-gpu==2.2.2.post111 -f https://www.paddlepaddle.org.cn/whl/windows/mkl/avx/stable.html

3.5 CUDA11.2的PaddlePaddle
python -m pip install paddlepaddle-gpu==2.2.2.post112 -f https://www.paddlepaddle.org.cn/whl/windows/mkl/avx/stable.html
4.安装完成后您可以使用 python 进入python解释器，输入import paddle ，再输入 paddle.utils.run_check()
如果出现PaddlePaddle is installed successfully!，说明您已成功安装。

（注意：这里会有弃用警告，大概意思是pillow库要更新，不用管）

四、下载源码以及模型 运行

4.1下载源码、模型

源码下载地址： https://github.com/PaddlePaddle/PaddleDetection/tree/release/2.4

下载完解压。
模型下载地址： 目标检测（目标跟踪）：https://bj.bcebos.com/v1/paddledet/models/pipeline/mot_ppyoloe_l_36e_pipeline.zip
下载好了以后检查一下权重文件的目录结构，权重的文件夹名字就是压缩包的名字，这个权重文件夹里面直接就是几个权重文件，如果包含在更深一层目录下面需要提出来。
还有一个部分需要强调，这个权重是在刚才解压的项目根目录新建名为output_inference的文件夹，然后丢进去的。虽然Paddle-human是在PaddleDetection/deploy里面的，但是所有的东西都是放在根目录的。
如果你按照我的步骤走，大概是这样：

4.2运行

注意，如果是新手的话，请注意你运行命令行的路径以及环境（可以在解压完的目录下输入cmd回车，这样比较简单）

输入cmd,回车就可以了。
如果是用pycharm，就打开项目就可以了，如下图所示

在这个路径下输入：pip install -r requirements -i https://pypi.tuna.tsinghua.edu.cn/simple
然后回车，等待安装成功就可以了。
至此，环境全部配置完毕。
接下来就是运行：

在命令行按照你的需求输入下方命令中的一条，回车即可。

// An highlighted block
# 行人检测，指定配置文件路径和测试图片
python deploy/pphuman/pipeline.py --config deploy/pphuman/config/infer_cfg.yml --image_file=test_image.jpg --device=gpu
##image_file=test_image.jpg，这个参数是指你的图片路径，如果是小白就写绝对路径。
# 行人跟踪，指定配置文件路径和测试视频
python deploy/pphuman/pipeline.py --config deploy/pphuman/config/infer_cfg.yml --video_file=test_video.mp4 --device=gpu
##video_file=test_video.mp4，这个参数是指你的图片路径，如果是小白就写绝对路径。

4.3结果展示

结果会生成在项目根目录下一个新文件夹 ”output“下。

video2