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！

行人分析工具 PP-Human 重磅升级！

• 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

• 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

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。

点击“阅读原文”获得链接

★ 欢迎Star收藏 ★

https://github.com/PaddlePaddle/PaddleDetection

图2：10+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、单路或多路视频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、兼容各类数据输入格式。

特性一

四大产业特色功能

高性能易扩展的五大复杂行为识别能力

图3：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4：行为识别性能指标

• 模型下载链接：
  

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5：技术方案选型指南

不仅如此，以上五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6：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

闪电级人体属性识别

图7：人体属性分析效果示例

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，充分满足各类开发需求：

图8：性能表格

• 使用教程：

https://github.com/PaddlePaddle/PaddleDetection/blob/develop/deploy/pipeline/docs/tutorials/attribute.md

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9：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

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。

图10：跨镜跟踪

• 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，最终实现以下效果：

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 S 服务器端轻量级目标检测算法，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62.5%。

图12：属性性能指标图

特性三

极低开发门槛

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，再也不用为如何使用标注工具、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

文档教程链接：https://github.com/PaddlePaddle/PaddleDetection/tree/develop/docs/advanced_tutorials/customization

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，单镜头视频和多镜头视频，通过命令行输入不同参数即可实现对应功能。

图14：一行命令输入示例

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。

线上交流会

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，7月19日晚20点，PaddleDetection 产研团队核心成员将和进群开发者一起召开一次线上讨论会，针对性地讨论目前大家遇到的问题与未来需求，欢迎大家扫码进群，获取7月19日线上会议链接，名额有限，抓紧报名。

扫码即刻报名

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。