CV / ByteTrack
ByteTrack
reComputer R Series (CM5 + Hailo-8)
Seguimiento MOT17 de personas con la serie ByteTrack en reComputer R Series con Hailo-8 (S/Tiny/Nano/M) o Hailo-10H (S/Tiny).
Elige el dispositivo que estás usando. La guía de configuración y la documentación se actualizarán en consecuencia.
Primeros pasos
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.mp4Detalles del modelo
reComputer R Series (CM5 + Hailo-8)Seguimiento MOT17 con ByteTrack-S / ByteTrack-Tiny en reComputer R Series (CM5 + Hailo-8)
ByteTrack-S, ByteTrack-Tiny, ByteTrack-Nano y ByteTrack-M siguen personas en vídeo estilo MOT17 en Hailo-8 mediante HailoRT 4.23.x. Los HEF son detectores de personas tipo YOLOX; el host decodifica las nueve cabezas, aplica NMS y la asociación ByteTrack (Kalman + IoU de alta/baja puntuación), y dibuja un track ID estable en la vista previa MJPEG.
Información del modelo
| Variante | Entrada | HEF incluido | MOTA float / Hailo-8 | FPS (batch 1) | Parámetros / operaciones | Contenedor |
|---|---|---|---|---|---|---|
| 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 y configuración del host
| Placa | Acelerador | Tiempo de ejecución | Python en el contenedor |
|---|---|
| Placa | reComputer R Series con Raspberry Pi CM5 |
| Acelerador | Hailo-8 por PCIe, expuesto como /dev/hailo0 |
| Tiempo de ejecución | HailoRT 4.23.x (host y contenedor deben compartir major.minor) |
| Python en el contenedor | 3.11, aarch64 |
sudo apt update
sudo apt install hailo-all -y
sudo reboot
# Tras reiniciar
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 dockerEjecutar con vídeo de demostración
Selecciona el comando correspondiente a la 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.mp4Abre http://<Board_IP>:8000 para ver la vista previa con track IDs. El video/test.mp4 incluido es el clip de calle de Hailo.
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.mp4Modo cámara USB
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 0Cambia bytetrack_s_mot17 por bytetrack_tiny_mot17 para ejecutar la variante Tiny.
REST API
| Endpoint | Método |
|---|---|
| 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"Las entradas predictions incluyen track_id, class, confidence y box.
Notas de implementación
- Los HEF exponen nueve cabezas YOLOX (box/objectness/class) para strides 32/16/8, sin NMS en el chip.
- El host decodifica center/size, calcula score=obj*class, aplica NMS 0.7 y la asociación ByteTrack.
- El preprocesamiento hace letterbox a 608×1088 (relleno 114) y BGR→RGB; la normalización ImageNet está en el HEF. Es un modelo solo para personas.
Notas de desarrollo
- Código:
src/rpi5_hailo8_bytetrack{_s,_tiny,_nano,_m}_mot17/ - Dockerfiles:
docker/hailo8/bytetrack{_s,_tiny,_nano,_m}_mot17.dockerfile - Contenedores:
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
Entradas y salidas
Entrada: imagen, vídeo o fotograma de cámara USB. Salida: cajas person con track ID, confianza y vista previa MJPEG.