AI已经把你看得明明白白，YOLO+ByteTrack+多标签分类网络

今天给大家分享一个行人属性分析系统。从视频或者相机的视频流中能识别行人，并标记每个人的属性。

识别的属性包括以下 10 类

有些类别有多个属性，如果身体朝向有：正面、侧面和背面，所以，最终训练的属性有 26 个。

实现这样的系统需要 3 个步骤：

• 用 YOlOv5 识别行人
• 用 ByteTrack 跟踪标记同一个人
• 训练多标签图像分类网络，识别行人 26 个属性

1. 行人识别与追踪

行人识别使用YOLOv5​目标检测模型，可以自己训练模型，也可以直接使用YOLOv5预训练好的模型。

行人追踪使用的是多目标跟踪技术(MOT)​技术，视频是由一幅幅画面组成，虽然我们人类能够识别出不同画面中的同一个人， 但如果不对行人做追踪，AI​是无法识别的。需要用MOT技术追踪同一个人并给每个行人分配唯一的ID。

YOLOv5​模型的训练、使用，以及多目标跟踪技术(MOT)​技术的原理、实现方案，在上一篇文章有详细的教程，感兴趣的朋友可以查看那边文章《YOLOv5+ByteTrack统计车流》。

2. 训练多标签分类网络

我们最开始接触的图像分类大部分是单标签分类​的，即：一张图片归为1类，类别可以是二分类​也可以是多分类​。假设有三个类别，每一张图片对应的label可能是下面这总格式：

001.jpg  010
002.jpg  100
003.jpg  100

label​只有一个位置是1。

而我们今天要训练的多标签分类网络​是一张图片同时包含多个类别，label格式如下：

001.jpg  011
002.jpg  111
003.jpg  100

label​可以有多个位置是1。

训练这样的网络，有两种方案。一种是把每个类别看成是单标签分类，单独计算损失，汇总总，计算梯度更新网络参数。

另一种可以直接训练，但对需要注意网络细节，以ResNet50为例

resnet50 = ResNet50(include_top=False, weights='imagenet')

# 迁移学习，不重新训练卷积层
for layer in resnet50.layers:
    layer.trainable = False

# 新的全连接层
x = Flatten()(resnet50.output)
x = Dense(1024)(x)
x = Activation('relu')(x)
x = BatchNormalization()(x)
x = Dropout(0.5)(x)

# 输出 26 个属性的多分类标签
x = Dense(26, activatinotallow='sigmoid')(x)

model = Model(inputs = resnet50.input, outputs=x)

最后输出层的激活函数​必须要sigmoid​，因为需要每个属性单独计算概率。同理，训练时的损失函数也需要用二分类​交叉熵binary_crossentropy。

实际上，上面两种方法原理都是类似的，只不过开发的工作量不同。

这里为了方便，我使用的是PaddleCls​进行训练。Paddle的配置简单，缺点是有点黑盒，只能按照他那一套来，需要自定义的地方就比较麻烦。

模型训练使用的是PA100K​数据集，需要注意的是，PA100K​数据集定义的原始label与Paddle虽然含义相同，但顺序不同。

如：原始label​第1位代表是否是女性​，而Paddle​要求第1位代表是否戴帽子​，第22位才是是否是女性。

我们按照Paddle​的要求调整下原始label位置即可，这样我们后面推理会方便些。

下载PaddleClas

git clone https://github.com/PaddlePaddle/PaddleClas

将下载的数据集解压，放到PaddleClas的dataset目录。

找到ppcls/configs/PULC/person_attribute/PPLCNet_x1_0.yaml​配置文件，配置图片和label路径。

DataLoader:
  Train:
    dataset:
      name: MultiLabelDataset
      image_root: "dataset/pa100k/"                     #指定训练图片所在根路径
      cls_label_path: "dataset/pa100k/train_list.txt"   #指定训练列表文件位置
      label_ratio: True
      transform_ops:

  Eval:
    dataset:
      name: MultiLabelDataset
      image_root: "dataset/pa100k/"                     #指定评估图片所在根路径
      cls_label_path: "dataset/pa100k/val_list.txt"     #指定评估列表文件位置
      label_ratio: True
      transform_ops:

train_list.txt的格式为

00001.jpg    0,0,1,0,....

配置好后，就可以直接训练了

python3 tools/train.py 
        -c ./ppcls/configs/PULC/person_attribute/PPLCNet_x1_0.yaml

训练完后，导出模型

python3 tools/export_model.py 
    -c ./ppcls/configs/PULC/person_attribute/PPLCNet_x1_0.yaml 
    -o Global.pretrained_model=output/PPLCNet_x1_0/best_model 
    -o Global.save_inference_dir=deploy/models/PPLCNet_x1_0_person_attribute_infer

将导出的结果放在~/.paddleclas/inference_model/PULC/person_attribute/目录下

便可以使用PaddleCls提供的函数直接调用

import paddleclas

model = paddleclas.PaddleClas(model_name="person_attribute")

result = model.predict(input_data="./test_imgs/000001.jpg")

print(result)

输出结果如下：

[{'attributes': ['Female', 'Age18-60', 'Front', 'Glasses: False', 'Hat: False', 'HoldObjectsInFront: True', 'ShoulderBag', 'Upper: ShortSleeve', 'Lower:  Trousers', 'No boots'], 'output': [0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0, 1, 0, 1, 0, 1, 1, 0, 0], 'filename': './test_imgs/000001.jpg'}]

模型训练过程就到这里了，数据集和整个项目的源码已经打包好了。