DaoAI World是一款集标注、训练、部署一体化的计算机视觉智能平台，具备海量存储、云端协作管理、多种先进视觉模型等优势。DaoAI World拥有一个久经考验的人工智能专家团队，可快速帮助您解决相关问题，将项目迁移至DaoAI World，助力您获得十倍乃至数十倍的速度提升。、

随着智能监控技术的发展，行人检测和人流量监控在公共安全、交通管理、商业分析等领域的应用日益广泛。在人流密集的公共场所和交通枢纽中，监控人员和行人的流动是确保安全和效率的关键环节。无论是在地铁站、机场、购物中心，还是在大型活动现场，实时监控人流情况有助于预防安全事故、优化资源配置和提升管理水平。本文将介绍如何使用人流量检测MOT-20数据集在DaoAI World中训练一个高效的人流检测模型。

数据集介绍

MOT-20数据集是一个多目标跟踪数据集，包含了多个复杂场景下的视频片段，这些场景中人群密集、遮挡严重，具有很高的挑战性。数据集的标注信息包括了每一帧中所有行人的位置和跟踪ID，为模型的训练和评估提供了丰富的数据支持。

数据集共包含 8 个视频片段，分别来自三个不同的场景，4 个视频片段用于训练，4 个视频片段用于测试。每个视频片段均以视频帧的形式提供，8个视频片段总共包含 13410 帧，其中训练视频 8931 帧，测试视频 4479 帧。

这里我们选用的是MOT20的子集是8个视频中的一个视频，场景为封闭房间，人口稠密路段。共包含429张，12610个标注数据。下面是上传到DaoAI World中的图像可视化。

具体流程

本项目使用DaoAI World中的目标检检测项目，目标检测通常是在图像或视频中识别并定位特定目标。目标检测不仅需要识别目标的类别，还需要确定目标在图像中的位置，一般通过矩形框的形式将检测物体标注出来。

本次使用的是速度优先的训练模型，这是由于考虑实际需要人流量监测的模型可能会部署在算力较弱的端侧平台，因此选择速度优先的模型有较好的。需要注意的是通常情况没有最好的模型，而是只有最适合目标场景的模型，在选择模型时还是需要结合具体情况。从训练图标中可以看到本次模型的AP在95%左右，Box Loss与Cls Loss均在稳定下降，从图标中可以判断模型训练收敛，实际检测情况在下节展示。

效果展示

本次下面的图片为测试集的标注与对比图片，左侧为标注图片，右侧为模型预测结果。

来源：微链机器人视觉研究

注：文章版权归原作者所有，本文仅供交流学习之用，如涉及版权等问题，请您告知，我们将及时处理。