【PaddleDetection2.0专项】快速实现行人检测-人工智能-PHP中文网

【PaddleDetection2.0专项】快速实现行人检测

P粉084495128

发布： 2025-07-23 10:56:37

原创

978人浏览过

本文介绍如何用PaddleDetection2.0快速实现行人检测。先说明其提供多种检测模型，行人检测可用YOLOv3，精度51.8，适用于智能监控。接着讲操作步骤，包括克隆仓库、安装依赖，还介绍了模型结构、训练参数配置（改类别数和数据集路径）、精度指标及预测方法与示例。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

【paddledetection2.0专项】快速实现行人检测 - php中文网

【PaddleDetection2.0专项】快速实现行人检测

PaddleDetection2.0提供了针对不同场景的基于PaddlePaddle的检测模型，用户可以下载模型进行使用。

任务	算法	精度(Box AP)	下载	配置文件
行人检测	YOLOv3	51.8	下载链接	配置文件

行人检测（Pedestrian Detection）

行人检测的主要应用有智能监控。在监控场景中，大多是从公共区域的监控摄像头视角拍摄行人，获取图像后再进行行人检测。

克隆PaddleDetection仓库

In [1]

# gitee 国内下载比较快!git clone https://gitee.com/paddlepaddle/PaddleDetection.git -b release/2.0  # github# !git clone https://github.com/PaddlePaddle/PaddleDetection.git -b release/2.0

登录后复制

In [2]

%cd ~/PaddleDetection
!pip install -r requirements.txt

登录后复制

1. 模型结构

Backbone为Dacknet53的YOLOv3。

2. 训练参数配置

PaddleDetection提供了使用COCO数据集对YOLOv3进行训练的参数配置文件yolov3_darknet53_270e_coco.yml，与之相比，在进行行人检测的模型训练时，我们对以下参数进行了修改：

num_classes: 1
dataset_dir: dataset/pedestrian

具体如下所示：

腾讯智影-AI数字人

基于AI数字人能力，实现7*24小时AI数字人直播带货，低成本实现直播业务快速增增，全天智能在线直播

查看详情

num_classes: 1

TrainDataset:
  !COCODataSet
    dataset_dir: dataset/pedestrian
    anno_path: annotations/instances_train2017.json
    image_dir: train2017
    data_fields: ['image', 'gt_bbox', 'gt_class', 'is_crowd']

EvalDataset:
  !COCODataSet
    dataset_dir: dataset/pedestrian
    anno_path: annotations/instances_val2017.json
    image_dir: val2017

TestDataset:
  !ImageFolder
    anno_path: configs/pedestrian/pedestrian.json

登录后复制

2. 精度指标

模型在我们针对监控场景的内部数据上精度指标为：

IOU=.5时的AP为 0.792。

IOU=.5-.95时的AP为 0.518。

3. 预测

用户可以使用我们训练好的模型进行行人检测：

export CUDA_VISIBLE_DEVICES=0python -u tools/infer.py -c configs/pedestrian/pedestrian_yolov3_darknet.yml \
                         -o weights=https://paddledet.bj.bcebos.com/models/pedestrian_yolov3_darknet.pdparams \
                         --infer_dir configs/pedestrian/demo \
                         --draw_threshold 0.3 \
                         --output_dir configs/pedestrian/demo/output

登录后复制

In [5]

%cd ~/PaddleDetection/
!export CUDA_VISIBLE_DEVICES=0!python -u tools/infer.py -c configs/pedestrian/pedestrian_yolov3_darknet.yml \
                         -o weights=https://paddledet.bj.bcebos.com/models/pedestrian_yolov3_darknet.pdparams \
                         --infer_dir configs/pedestrian/demo \
                         --draw_threshold 0.3 \
                         --output_dir configs/pedestrian/demo/output

登录后复制

预测结果示例：

In [16]

import matplotlib.image as mpimgimport matplotlib.pyplot as pltimport os

path = '/home/aistudio/PaddleDetection/configs/pedestrian/demo/output'imgs = os.listdir(path)

plt.figure(figsize=(160, 40))for i in range(len(imgs)):
    img_path = os.path.join(path, imgs[i])
    img = mpimg.imread(img_path)
    plt.subplot(4, 1, i+1)
    plt.imshow(img)
plt.show()

登录后复制