PaddleDetection/deploy/pptracking

• 实时跟踪系统PP-Tracking
• • • 一、快速开始
    • 二、算法介绍
    • 三、Python端预测部署
    • 四、C++端预测部署

实时跟踪系统PP-Tracking

PP-Tracking是基于飞桨深度学习框架的业界首个开源实时跟踪系统。针对实际业务的难点痛点，PP-Tracking内置行人车辆跟踪、跨镜头跟踪、多类别跟踪、小目标跟踪及流量计数等能力与产业应用，同时提供可视化开发界面。模型集成多目标跟踪，目标检测，ReID轻量级算法，进一步提升PP-Tracking在服务器端部署性能。同时支持python，C++部署，适配Linux，Nvidia Jetson多平台环境。

视频来源：VisDrone2021, BDD100K开源数据集

一、快速开始

PP-Tracking提供了简洁的可视化界面，无需开发即可实现多种跟踪功能，可以参考PP-Tracking可视化界面使用文档快速上手体验

二、算法介绍

PP-Tracking集成了多目标跟踪，目标检测，ReID轻量级算法，提升跟踪系统实时性能。多目标跟踪算法基于FairMOT进行优化，实现了服务器端轻量级模型，同时基于不同应用场景提供了针对性的预训练模型。

模型训练评估方法请参考多目标跟踪快速开始

PP-Tracking中提供的多场景预训练模型及导出模型列表如下：

场景	数据集	精度（MOTA）	NX模型预测速度（FPS）	配置文件	模型权重	预测部署模型
行人跟踪	MOT17	65.3	-	配置文件	下载链接	下载链接
行人小目标跟踪	VisDrone-pedestrian	40.5	-	配置文件	下载链接	下载链接
车辆跟踪	BDD100k-vehicle	32.6	-	配置文件	下载链接	下载链接
车辆小目标跟踪	VisDrone-vehicle	39.8	-	配置文件	下载链接	下载链接
多类别跟踪	BDD100k	-	-	配置文件	下载链接	下载链接
多类别小目标跟踪	VisDrone	20.4	-	配置文件	下载链接	下载链接

更多跟踪模型请参考多目标跟踪模型库

检测模型使用轻量级特色模型PP-PicoDet，具体请参考PP-PicoDet文档

ReID模型使用超轻量骨干网络模型PP-LCNet, 具体请参考PP-LCNet模型介绍

三、Python端预测部署

PP-Tracking 使用python预测部署教程请参考PP-Tracking python部署文档

四、C++端预测部署

PP-Tracking 使用c++预测部署教程请参考PP-Tracking c++部署文档