CV / ByteTrack
ByteTrack
reComputer R Series (CM5 + Hailo-8)
MOT17-Personenverfolgung mit der ByteTrack-Serie auf reComputer R Series mit Hailo-8 (S/Tiny/Nano/M) oder Hailo-10H (S/Tiny).
Wähle das Gerät, das du verwendest. Die Einrichtungsanleitung und Dokumentation werden entsprechend aktualisiert.
Erste Schritte
sudo docker run --rm \
--name pi5-hailo8-bytetrack-s \
--privileged \
--net=host \
-e PYTHONUNBUFFERED=1 \
--device /dev/hailo0:/dev/hailo0 \
-v /usr/lib/libhailort.so.4.23.0:/usr/lib/libhailort.so.4.23.0:ro \
-v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
ghcr.io/seeed-projects/recomputer-hailo8-cv/bytetrack_s_mot17:latest \
python web_detection.py --model_path model/bytetrack_s_mot17.hef --video_path video/test.mp4Modelldetails
reComputer R Series (CM5 + Hailo-8)MOT17-Tracking mit ByteTrack-S / ByteTrack-Tiny auf reComputer R Series (CM5 + Hailo-8)
ByteTrack-S, ByteTrack-Tiny, ByteTrack-Nano und ByteTrack-M verfolgen Personen in MOT17-Videos auf Hailo-8 über HailoRT 4.23.x. Die HEFs sind YOLOX-Personendetektoren; der Host dekodiert neun Köpfe, führt NMS und ByteTrack-Assoziation (Kalman + IoU für hohe/niedrige Scores) aus und zeichnet eine stabile Track-ID in der MJPEG-Vorschau.
Modellinformationen
| Variante | Eingabe | Enthaltenes HEF | MOTA Float / Hailo-8 | FPS (Batch 1) | Parameter / Operationen | Container |
|---|---|---|---|---|---|---|
| ByteTrack-S | 608×1088×3 | 14.8 MB | 79.5 / 77.7 | 88.3 | 8.94M / 43.21G | bytetrack_s_mot17 |
| ByteTrack-Tiny | 608×1088×3 | 9.7 MB | 77.2 / 76.0 | 126 | 5.03M / 24.60G | bytetrack_tiny_mot17 |
| ByteTrack-Nano | 608×1088×3 | 9.8 MB | 70.1 / 69.0 | 63.7 | 0.90M / 4.12G | bytetrack_nano_mot17 |
| ByteTrack-M | 608×1088×3 | 81.4 MB | 86.2 / 86.1 | 11.1 | 25.28M / 206.12G | bytetrack_m_mot17 |
Hardware- und Host-Setup
| Board | Beschleuniger | Laufzeit | Python im Container |
|---|---|
| Board | reComputer R Series mit Raspberry Pi CM5 |
| Beschleuniger | Hailo-8 über PCIe, bereitgestellt als /dev/hailo0 |
| Laufzeit | HailoRT 4.23.x (Host und Container müssen major.minor teilen) |
| Python im Container | 3.11, aarch64 |
sudo apt update
sudo apt install hailo-all -y
sudo reboot
# Nach dem Neustart
hailortcli fw-control identify
ls /dev/hailo0
# Docker
curl -fsSL https://get.docker.com -o get-docker.sh
sudo sh get-docker.sh --mirror Aliyun
sudo systemctl enable docker
sudo systemctl start dockerMit Demo-Video ausführen
Wählen Sie den Befehl für die gewünschte Variante.
ByteTrack-S
sudo docker run --rm \
--name pi5-hailo8-bytetrack-s \
--privileged \
--net=host \
-e PYTHONUNBUFFERED=1 \
--device /dev/hailo0:/dev/hailo0 \
-v /usr/lib/libhailort.so.4.23.0:/usr/lib/libhailort.so.4.23.0:ro \
-v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
ghcr.io/seeed-projects/recomputer-hailo8-cv/bytetrack_s_mot17:latest \
python web_detection.py --model_path model/bytetrack_s_mot17.hef --video_path video/test.mp4ByteTrack-Tiny
sudo docker run --rm \
--name pi5-hailo8-bytetrack-tiny \
--privileged \
--net=host \
-e PYTHONUNBUFFERED=1 \
--device /dev/hailo0:/dev/hailo0 \
-v /usr/lib/libhailort.so.4.23.0:/usr/lib/libhailort.so.4.23.0:ro \
-v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
ghcr.io/seeed-projects/recomputer-hailo8-cv/bytetrack_tiny_mot17:latest \
python web_detection.py --model_path model/bytetrack_tiny_mot17.hef --video_path video/test.mp4Öffnen Sie http://<Board_IP>:8000, um die Vorschau mit Track-IDs zu sehen. Das mitgelieferte video/test.mp4 ist der Hailo-Straßenclip.
ByteTrack-Nano
sudo docker run --rm \
--name pi5-hailo8-bytetrack-nano \
--privileged \
--net=host \
-e PYTHONUNBUFFERED=1 \
--device /dev/hailo0:/dev/hailo0 \
-v /usr/lib/libhailort.so.4.23.0:/usr/lib/libhailort.so.4.23.0:ro \
-v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
ghcr.io/seeed-projects/recomputer-hailo8-cv/bytetrack_nano_mot17:latest \
python web_detection.py --model_path model/bytetrack_nano_mot17.hef --video_path video/test.mp4ByteTrack-M
sudo docker run --rm \
--name pi5-hailo8-bytetrack-m \
--privileged \
--net=host \
-e PYTHONUNBUFFERED=1 \
--device /dev/hailo0:/dev/hailo0 \
-v /usr/lib/libhailort.so.4.23.0:/usr/lib/libhailort.so.4.23.0:ro \
-v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
ghcr.io/seeed-projects/recomputer-hailo8-cv/bytetrack_m_mot17:latest \
python web_detection.py --model_path model/bytetrack_m_mot17.hef --video_path video/test.mp4USB-Kamera-Modus
sudo docker run --rm \
--name pi5-hailo8-bytetrack-s \
--privileged \
--net=host \
-e PYTHONUNBUFFERED=1 \
--device /dev/hailo0:/dev/hailo0 \
--device /dev/video0:/dev/video0 \
-v /usr/lib/libhailort.so.4.23.0:/usr/lib/libhailort.so.4.23.0:ro \
-v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
ghcr.io/seeed-projects/recomputer-hailo8-cv/bytetrack_s_mot17:latest \
python web_detection.py --model_path model/bytetrack_s_mot17.hef --camera_id 0Ersetzen Sie bytetrack_s_mot17 durch bytetrack_tiny_mot17, um die Tiny-Variante auszuführen.
REST API
| Endpoint | Methode |
|---|---|
| ByteTrack-S | POST /api/models/bytetrack_s_mot17/predict |
| ByteTrack-Tiny | POST /api/models/bytetrack_tiny_mot17/predict |
| ByteTrack-Nano | POST /api/models/bytetrack_nano_mot17/predict |
| ByteTrack-M | POST /api/models/bytetrack_m_mot17/predict |
curl -X POST "http://<Board_IP>:8000/api/models/bytetrack_s_mot17/predict" \
-F "file=@test.jpg"Die predictions-Einträge enthalten track_id, class, confidence und box.
Implementierungshinweise
- Die HEFs liefern neun YOLOX-Köpfe (box/objectness/class) für die Strides 32/16/8, ohne On-Chip-NMS.
- Der Host dekodiert center/size, berechnet score=obj*class, führt NMS 0.7 und die ByteTrack-Assoziation aus.
- Die Vorverarbeitung nutzt Letterbox 608×1088 (Füllung 114) und BGR→RGB; die ImageNet-Normalisierung liegt im HEF. Nur für Personen.
Entwicklungshinweise
- Quellen:
src/rpi5_hailo8_bytetrack{_s,_tiny,_nano,_m}_mot17/ - Dockerfiles:
docker/hailo8/bytetrack{_s,_tiny,_nano,_m}_mot17.dockerfile - Container:
ghcr.io/seeed-projects/recomputer-hailo8-cv/bytetrack{_s,_tiny,_nano,_m}_mot17:latest - HEF: Hailo Model Zoo v2.20.0 (
hailo8), sizes and SHA256 in each module'smodel/README.md
Eingaben und Ausgaben
Eingabe: Bild, Video oder USB-Kameraframe. Ausgabe: person-Boxen mit Track-ID, Konfidenz und MJPEG-Vorschau.