源码:
【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) | |
---|---|---|---|---|
车辆检测/跟踪 | PP-YOLOE-l | mAP: 63.9 MOTA: 50.1 | 检测: 25.1ms 跟踪:31.8ms | |
车辆检测/跟踪 | PP-YOLOE-s | mAP: 61.3 MOTA: 46.8 | 检测: 16.2ms 跟踪:21.0ms |
- 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。
使用方法
【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)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。