行人分析工具PP-Human重磅升级！-电子发烧友网

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！

图1：PP-Human v2全功能全景图 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

图2：星标提醒记得Star收藏，防止走丢又实时关注更新！

图3：10+预训练模型可免费下载 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

特性一：四大产业特色功能

①高性能易扩展的五大复杂行为识别能力

图4：行为识别全景图 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：

图5：行为识别性能指标使用教程：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！

图6：技术方案选型指南

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。

图7：动作扩展流程图动作类型扩展教程：https://github.com/PaddlePaddle/PaddleDetection/blob/develop/docs/advanced_tutorials/customization/action_recognotion/README.md ②闪电级人体属性识别

图8：人体属性分析效果示例作为PP-Humanv2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：

图9：性能表格使用教程：https://github.com/PaddlePaddle/PaddleDetection/blob/develop/deploy/pipeline/docs/tutorials/attribute.md ③一行代码快速实现人流计数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。

图10：人流计数与轨迹绘制示例使用教程：https://github.com/PaddlePaddle/PaddleDetection/blob/develop/deploy/pipeline/docs/tutorials/mot.md ④高精度的跨镜跟踪能力在跨镜跟踪中，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。

使用教程：https://github.com/PaddlePaddle/PaddleDetection/blob/develop/deploy/pipeline/docs/tutorials/mtmct.md

特性二：底层核心算法性能强劲

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

行人跟踪：精度提升10.2%，速度提升34% 【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。

图11：ID Switch对比图

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%

图12：属性性能指标图

特性三：极低开发门槛

升级后的PP-Humanv2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！

图13：全流程教程示例除此之外，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。

Pipeline串联使用

图14：一行命令输入示例

rtsp拉流预测

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： # 例：行人属性识别，单路视频流

# 例：行人属性识别，多路视频流

视频结果推流rtsp

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