技术栈：PP-Tracking + Pyside2
本项目是基于飞桨开源的实时目标跟踪系统PP-Tracking开发的GUI可视化界面。用户可通过GUI界面进行阈值调整、模型预测，视频结果输出等，方便了用户直接体验功能。当前覆盖单镜头的全部功能，如行人跟踪，车辆跟踪，流量统计等，适用于智慧交通、安防监控等场景。
推荐使用Windows或Mac环境
主要包含以下三个步骤：
- 导入训练模型，修改模型名称
- 安装必要的依赖库
- 启动前端界面
PP-Tracking 提供了覆盖多种场景的预测模型，用户可以根据自己的实际使用场景在链接中直接下载表格最后一列的预测部署模型
如果您想自己训练得到更符合您场景需求的模型，可以参考快速开始文档训练并导出预测模型
模型导出放在./output_inference目录下
pip install -r requirements.txt
其中包括以下依赖
pyqt5
moviepy
opencv-python
PySide2
matplotlib
scipy
Cython
cython_bbox
paddlepaddle
pycocotools
lap
sklearn
motmetrics
openpyxl
注：
- Windows环境下，需要手动下载安装cython_bbox，然后将setup.py中的找到steup.py, 修改
extra_compile_args=[’-Wno-cpp’]，替换为extra_compile_args = {'gcc': ['/Qstd=c99']}, 然后运行python setup.py build_ext install - numpy版本需要大于1.20
执行python main.py启动前端界面
参数说明如下:
| 参数 | 是否必须 | 含义 |
|---|---|---|
| 模型运行 | Option | 点击后进行模型训练 |
| 结果显示 | Option | 在运行状态为检测完成的时候进行结果视频显示 |
| 停止运行 | Option | 停止整个视频输出 |
| 取消轨迹 | Option | 在一开始时取消轨迹 |
| 阈值调试 | Option | 预测得分的阈值，默认为0.5 |
| 输入FPS | Option | 输入视频的FPS |
| 检测用时 | Option | 视频的检测时间 |
| 人流量检测 | Option | 每隔一段帧数内的人流量统计图表 |
| 时间长度 | Option | 人流量时间统计长度 |
| 开启出入口 | Option | 导入视频后可自行选择是否开启出入口训练 |
| 导出文件 | Option | 可视化结果保存的根目录，默认为output/ |
说明：
- 如果安装的PaddlePaddle不支持基于TensorRT进行预测，需要自行编译，详细可参考预测库编译教程。
- 更多配置细节可以查看提供的PP-Tracking_GUi项目环境配置教程.docx文件
