Are you sure you want to delete this task? Once this task is deleted, it cannot be recovered.
KirigiriSuzumiya 85819fac79 | 1 year ago | |
---|---|---|
.. | ||
__pycache__ | 1 year ago | |
config | 1 year ago | |
docs | 1 year ago | |
pphuman | 1 year ago | |
tools | 1 year ago | |
README.md | 1 year ago | |
README_en.md | 1 year ago | |
__init__.py | 1 year ago | |
datacollector.py | 1 year ago | |
download.py | 1 year ago | |
pipe_utils.py | 1 year ago | |
pipeline.py | 1 year ago |
简体中文 | English
PP-Human是基于飞桨深度学习框架的业界首个开源产业级实时行人分析工具,具有功能丰富,应用广泛和部署高效三大优势。
PP-Human支持图片/单镜头视频/多镜头视频多种输入方式,功能覆盖多目标跟踪、属性识别、行为分析及人流量计数与轨迹记录。能够广泛应用于智慧交通、智慧社区、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。
⭐ 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 94.86、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 | 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 |
任务 | 适用场景 | 精度 | 预测速度(ms) | 模型体积 | 预测部署模型 |
---|---|---|---|---|---|
目标检测(高精度) | 图片输入 | mAP: 57.8 | 25.1ms | 182M | 下载链接 |
目标检测(轻量级) | 图片输入 | mAP: 53.2 | 16.2ms | 27M | 下载链接 |
目标跟踪(高精度) | 视频输入 | MOTA: 82.2 | 31.8ms | 182M | 下载链接 |
目标跟踪(轻量级) | 视频输入 | MOTA: 73.9 | 21.0ms | 27M | 下载链接 |
属性识别(高精度) | 图片/视频输入 属性识别 | mA: 95.4 | 单人4.2ms | 86M | 下载链接 |
属性识别(轻量级) | 图片/视频输入 属性识别 | mA: 94.5 | 单人2.9ms | 7.2M | 下载链接 |
关键点检测 | 视频输入 行为识别 | AP: 87.1 | 单人5.7ms | 101M | 下载链接 |
基于关键点序列分类 | 视频输入 行为识别 | 准确率: 96.43 | 单人0.07ms | 21.8M | 下载链接 |
基于人体id图像分类 | 视频输入 行为识别 | 准确率: 86.85 | 单人1.8ms | 45M | 下载链接 |
基于人体id检测 | 视频输入 行为识别 | AP50: 79.5 | 单人10.9ms | 27M | 下载链接 |
视频分类 | 视频输入 行为识别 | Accuracy: 89.0 | 19.7ms/1s视频 | 90M | 下载链接 |
ReID | 视频输入 跨镜跟踪 | mAP: 98.8 | 单人0.23ms | 85M | 下载链接 |
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 |
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
Sports_Game_tracker是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,功能不断更新扩展中
Python Markdown Text C++ other
Dear OpenI User
Thank you for your continuous support to the Openl Qizhi Community AI Collaboration Platform. In order to protect your usage rights and ensure network security, we updated the Openl Qizhi Community AI Collaboration Platform Usage Agreement in January 2024. The updated agreement specifies that users are prohibited from using intranet penetration tools. After you click "Agree and continue", you can continue to use our services. Thank you for your cooperation and understanding.
For more agreement content, please refer to the《Openl Qizhi Community AI Collaboration Platform Usage Agreement》