English | 简体中文
【应用介绍】 车辆检测与跟踪在交通监控、自动驾驶等方向都具有广泛应用，PP-Vehicle中集成了检测跟踪模块，是车牌检测、车辆属性识别等任务的基础。我们提供了预训练模型，用户可以直接下载使用。
【模型下载】
| 任务 | 算法 | 精度 | 预测速度(ms) | 下载链接 |
|---|---|---|---|---|
| 车辆检测/跟踪 | PP-YOLOE-l | mAP: 63.9 MOTA: 50.1 |
检测: 25.1ms 跟踪：31.8ms |
下载链接 |
| 车辆检测/跟踪 | PP-YOLOE-s | mAP: 61.3 MOTA: 46.8 |
检测: 16.2ms 跟踪：21.0ms |
下载链接 |
- 检测/跟踪模型精度为PPVehicle数据集训练得到，整合了BDD100K-MOT和UA-DETRAC，是将BDD100K-MOT中的
car, truck, bus, van和UA-DETRAC中的car, bus, van都合并为1类vehicle(1)后的数据集，检测精度mAP是PPVehicle的验证集上测得，跟踪精度MOTA是在BDD100K-MOT的验证集上测得(car, truck, bus, van合并为1类vehicle)。训练具体流程请参照ppvehicle。 - 预测速度为T4 机器上使用TensorRT FP16时的速度, 速度包含数据预处理、模型预测、后处理全流程。
【配置项说明】
配置文件中与属性相关的参数如下：
DET:
model_dir: output_inference/mot_ppyoloe_l_36e_ppvehicle/ # 车辆检测模型调用路径
batch_size: 1 # 模型预测时的batch_size大小
MOT:
model_dir: output_inference/mot_ppyoloe_l_36e_ppvehicle/ # 车辆跟踪模型调用路径
tracker_config: deploy/pipeline/config/tracker_config.yml
batch_size: 1 # 模型预测时的batch_size大小, 跟踪任务只能设置为1
skip_frame_num: -1 # 跳帧预测的帧数，-1表示不进行跳帧，建议跳帧帧数最大不超过3
enable: False # 是否开启该功能，使用跟踪前必须确保设置为True
【使用命令】
- 从上表链接中下载模型并解压到
./output_inference路径下，并修改配置文件中模型路径。默认为自动下载模型，无需做改动。 - 图片输入时，是纯检测任务，启动命令如下
python deploy/pipeline/pipeline.py --config deploy/pipeline/config/infer_cfg_ppvehicle.yml \
--image_file=test_image.jpg \
--device=gpu- 视频输入时，是跟踪任务，注意首先设置infer_cfg_ppvehicle.yml中的MOT配置的
enable=True，如果希望跳帧加速检测跟踪流程，可以设置skip_frame_num: 2，建议跳帧帧数最大不超过3：
MOT:
model_dir: https://bj.bcebos.com/v1/paddledet/models/pipeline/mot_ppyoloe_l_36e_ppvehicle.zip
tracker_config: deploy/pipeline/config/tracker_config.yml
batch_size: 1
skip_frame_num: 2
enable: True
python deploy/pipeline/pipeline.py --config deploy/pipeline/config/infer_cfg_ppvehicle.yml \
--video_file=test_video.mp4 \
--device=gpu- 若修改模型路径，有以下两种方式：
- 方法一：
./deploy/pipeline/config/infer_cfg_ppvehicle.yml下可以配置不同模型路径，检测和跟踪模型分别对应DET和MOT字段，修改对应字段下的路径为实际期望的路径即可。 - 方法二：命令行中--config配置项后面增加
-o MOT.model_dir=[YOUR_DETMODEL_PATH]修改模型路径。
- 方法一：
python deploy/pipeline/pipeline.py --config deploy/pipeline/config/infer_cfg_ppvehicle.yml \
--video_file=test_video.mp4 \
--device=gpu \
--region_type=horizontal \
--do_entrance_counting \
--draw_center_traj \
-o MOT.model_dir=ppyoloe/注意:
--do_entrance_counting表示是否统计出入口流量，不设置即默认为False。--draw_center_traj表示是否绘制跟踪轨迹，不设置即默认为False。注意绘制跟踪轨迹的测试视频最好是静止摄像头拍摄的。--region_type表示流量计数的区域，当设置--do_entrance_counting时可选择horizontal或者vertical，默认是horizontal，表示以视频图片的中心水平线为出入口，同一物体框的中心点在相邻两秒内分别在区域中心水平线的两侧，即完成计数加一。
- 区域闯入判断和计数
注意首先设置infer_cfg_ppvehicle.yml中的MOT配置的enable=True，然后启动命令如下
python deploy/pipeline/pipeline.py --config deploy/pipeline/config/infer_cfg_ppvehicle.yml \
--video_file=test_video.mp4 \
--device=gpu \
--draw_center_traj \
--do_break_in_counting \
--region_type=custom \
--region_polygon 200 200 400 200 300 400 100 400注意:
- 区域闯入的测试视频必须是静止摄像头拍摄的，镜头不能抖动或移动。
--do_break_in_counting表示是否进行区域出入后计数，不设置即默认为False。--region_type表示流量计数的区域，当设置--do_break_in_counting时仅可选择custom，默认是custom，表示以用户自定义区域为出入口，同一物体框的下边界中点坐标在相邻两秒内从区域外到区域内，即完成计数加一。--region_polygon表示用户自定义区域的多边形的点坐标序列，每两个为一对点坐标(x,y)，按顺时针顺序连成一个封闭区域，至少需要3对点也即6个整数，默认值是[]，需要用户自行设置点坐标，如是四边形区域，坐标顺序是左上、右上、右下、左下。用户可以运行此段代码获取所测视频的分辨率帧数，以及可以自定义画出自己想要的多边形区域的可视化并自己调整。 自定义多边形区域的可视化代码运行如下：
python get_video_info.py --video_file=demo.mp4 --region_polygon 200 200 400 200 300 400 100 400快速画出想要的区域的小技巧：先任意取点得到图片，用画图工具打开，鼠标放到想要的区域点上会显示出坐标，记录下来并取整，作为这段可视化代码的region_polygon参数，并再次运行可视化，微调点坐标参数直至满意。
【效果展示】
【实现方案及特色】
- 使用目标检测/多目标跟踪技术来获取图片/视频输入中的车辆检测框，检测模型方案为PP-YOLOE，详细文档参考PP-YOLOE和ppvehicle。
- 多目标跟踪模型方案采用OC-SORT，采用PP-YOLOE替换原文的YOLOX作为检测器，采用OCSORTTracker作为跟踪器，详细文档参考OC-SORT。
@article{cao2022observation,
title={Observation-Centric SORT: Rethinking SORT for Robust Multi-Object Tracking},
author={Cao, Jinkun and Weng, Xinshuo and Khirodkar, Rawal and Pang, Jiangmiao and Kitani, Kris},
journal={arXiv preprint arXiv:2203.14360},
year={2022}
}