五大异常行为一键识别
10 余种预训练模型一站下载
10 分钟快速新增识别类型
多路视频流部署高性能支持
全流程保姆级教程，从技术选型、数据准备到模型部署全覆盖
行人分析工具 PP-Human 重磅升级！
PP-Human 集成了目标检测、目标跟踪、关键点检测、视频分类等硬核能力于一身，直接省去方案选型、模型搭建的步骤，一行命令即可实现快速推理，10 分钟即可快速扩展个性化能力模块。不仅核心功能的性能直接拉满，还提供流畅顺滑的 pipeline 使用体验！
Talk is cheap，show you the code!!! (语言是苍白的，直接看代码！)
https://github.com/PaddlePaddle/PaddleDetection
PP-Human 经由真实业务场景数据深度打磨优化，拥有适应不同光线、复杂背景下的人体属性特征分析、异常行为识别、出入口人流计数与轨迹绘制、跨镜跟踪四大核心功能。不仅如此，PP-Human 还兼容单张图片、单路或多路离线及在线视频流等多种数据输入类型，更符合产业复杂的环境应用需求，同时考虑到产业自定义开发的需求，PP-Human 还提供了模型训练与功能新增全流程教程。
本次全面升级的 PP-Human v2 无论是从功能丰富度、底层算法性能，还是从全流程易用性上都实现了显著的提升，可概括为以下三大特性：
-
四大产业特色功能：高性能易扩展的五大复杂行为识别、闪电级人体属性识别、一行代码即可实现的人流检测与轨迹留存以及高精度跨镜跟踪
-
底层核心算法性能强劲：覆盖行人检测、跟踪、属性三类核心算法能力，对目标人数、光线、背景均无限制
-
极低使用门槛：提供保姆级全流程开发及模型优化策略、一行命令完成推理、新增多路在线视频流部署，实现各类数据输入格式全兼容
PP-Human v2 针对最核心、高频的五种复杂异常行为识别（抽烟、打电话、闯入、打架、摔倒）分别构建了性价比最高的技术方案，无论是从精度速度，还是可扩展性上，都有绝对性的优势，先来看看它的性能：
https://github.com/PaddlePaddle/PaddleDetection/blob/develop/deploy/pipeline/docs/tutorials/action.md
贴心的 PP-Human v2 还为大家准备了针对以上五种核心技术的完整选型指南，作为选择困难症的福音，助力开发者快速完成方案选型！
不仅如此，以上四种核心技术方案可覆盖 90% 以上的常见行为识别，同时支持轻松扩展至全新动作类型。
https://github.com/PaddlePaddle/PaddleDetection/blob/develop/docs/advanced_tutorials/customization/action_recognotion/README.md
作为PP-Human v2本次重磅升级的属性识别能力，不仅支持眼镜、帽子、衣着等26种通用属性，更是提供高精度、超轻量及性能平衡三个版本，支持新增与删减属性类型，充分满足各类开发需求：
https://github.com/PaddlePaddle/PaddleDetection/blob/develop/deploy/pipeline/docs/tutorials/attribute.md
PP-Human v2 提供基于跟踪的人流检测，仅需开启对应参数即可实现去重人流统计，输出结果包括进入（in）和出去（out）的行人数量，适用于各类场景如商场、小区的人流监控。
https://github.com/PaddlePaddle/PaddleDetection/blob/develop/deploy/pipeline/docs/tutorials/mot.md
在跨镜跟踪中，需要匹配在不同摄像头下出现的人，因此相对于跟踪任务，其更关注的是识别匹配问题，PP-Human v2 采用一种多投票的方式，利用相同 ID 的多个目标特征组合，同时根据完整性、质量进行特征选择，最终提高匹配效果，而且其方法与 ReID 模型独立，可灵活更换任意 ReID 模型。
https://github.com/PaddlePaddle/PaddleDetection/blob/develop/deploy/pipeline/docs/tutorials/mtmct.md
强大的功能背后缺少不了性能强劲的底层核心算法支撑，PP-Human v2 引入前沿策略与创新设计，在行人检测、跟踪、属性识别三大核心算法均实现性能大幅提升，特别针对产业常见难点如 ID Switch、密集遮挡等都进行了特殊优化，最终实现：
-
行人检测：精度提升 1.5%，达到 57.8mAP
采用云边一体高精度实时检测算法 PP-YOLOE，与多场景开源数据集联合训练，大幅提高模型的泛化能力，同时结合 Objects365 预训练加速模型收敛过程，实现精度提升
-
【高精度：MOTA 82.2、FPS 43】采用对遮挡和非线性运动鲁棒的 OC-SORT 跟踪器，极大改善遮挡导致的 ID Switch
【轻量级：MOTA 73.9、FPS 70】依托 PP-YOLOE 高性能小模型，达到了极高性价比的检测和跟踪性能。
-
属性识别：提供高精度、轻量级、性能平衡三版模型，精度提升 0.6%、速度提升17%
升级后的 PP-Human v2 除了在性能和扩展性上做到极致之外，还针对五大行为识别、属性分析、人流计数/轨迹绘制（检测跟踪）、跨境跟踪四大能力均提供了从数据采集、标注、模型训练、优化、部署的全流程保姆级教程，再也不需被不知如何使用标注工具、拿不准优化策略之类的问题所烦恼了！
除此之外，PP-Human v2 采用 pipeline 的方式串联各模块，输入部分支持单张图片，图片文件夹，离线单/多镜头视频，在线单/多路视频流，通过命令行输入不同参数即可实现对应功能。
对 rtsp 拉流的支持，使用 --rtsp RTSP [RTSP ...] 参数指定一路或者多路 rtsp 视频流即可实现，示例如下：
预测结果进行 rtsp 推流，使用 --pushurl rtsp:[IP] 推流到 IP 地址端，PC 端可以使用 VLC 播放器打开网络流进行播放，播放地址为 rtsp:[IP]/videoname，示例如下：
# 例：行人属性识别，单路视频流，该示例播放地址为
rtsp://[YOUR_SERVER_IP]:8554/test_video
总而言之，PP-Human v2 在性能 SOTA 的检测、关键点、跟踪、ReID 等核心算法基础上，针对产业痛点特殊打磨，支持人体属性分析、五大行为识别、人流计数与轨迹绘制与跨镜跟踪四大功能，并提供了从选型到上线的端到端教程支持，从真正意义上实现功能好用、易用！
光看文档还不过瘾？为了让开发者们更深入的了解 PP-Human v2 这套多功能行人分析工具的使用，充分和开发者交流产品使用中遇到的难题，10 月 19 日晚 20 点 30 分，PaddleDetection 产研团队核心成员将亲自讲解 PP-Human v2 的背后核心技术方案，并手把手教大家实操搭建行人分析系统！
欢迎大家扫码进群，获取线上直播链接与目标检测学习大礼包！名额有限，抓紧报名！
图片来源说明：以上所有图片视频来自开源数据集、免费商用网站、上海天覆科技企业。
原文始发于微信公众号（进击的Coder）：10 分钟自定义搭建行人分析系统，检测跟踪、行为识别、人体属性 All-in-One！
免责声明:文章中涉及的程序(方法)可能带有攻击性，仅供安全研究与教学之用，读者将其信息做其他用途，由读者承担全部法律及连带责任，本站不承担任何法律及连带责任；如有问题可邮件联系(建议使用企业邮箱或有效邮箱,避免邮件被拦截，联系方式见首页)，望知悉。
点赞
https://cn-sec.com/archives/1359223.html
复制链接
复制链接
-
左青龙
- 微信扫一扫
-
-
右白虎
- 微信扫一扫
-
评论