CV / ByteTrack

ByteTrack

reComputer R Series (CM5 + Hailo-8)

ByteTrack 系列在 reComputer R Series + Hailo-8(S/Tiny/Nano/M)或 Hailo-10H(S/Tiny)上的 MOT17 行人跟踪。

20 次下载
大小
14.8 MB
内存
4GB+
精度
Hailo HEF

选择你正在使用的设备,设置指南和文档将相应更新。

快速开始

部署
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.mp4

模型详情

reComputer R Series (CM5 + Hailo-8)

ByteTrack-S / ByteTrack-Tiny MOT17 跟踪(reComputer R Series,CM5 + Hailo-8)

ByteTrack-S、ByteTrack-Tiny、ByteTrack-Nano 和 ByteTrack-M 通过 HailoRT 4.23 在 Hailo-8 上进行 MOT17 风格的 行人跟踪。HEF 是 YOLOX 风格的单类行人检测器;主机侧完成九头解码、NMS 和 ByteTrack 关联(Kalman 预测 + 高/低分 IoU 匹配),然后在 MJPEG 预览上绘制稳定的 track ID。

模型信息

变体输入打包 HEFMOTA 浮点 / Hailo-8FPS(batch 1)参数量 / 运算量容器
ByteTrack-S608×1088×314.8 MB79.5 / 77.788.38.94M / 43.21Gbytetrack_s_mot17
ByteTrack-Tiny608×1088×39.7 MB77.2 / 76.01265.03M / 24.60Gbytetrack_tiny_mot17
ByteTrack-Nano608×1088×39.8 MB70.1 / 69.063.70.90M / 4.12Gbytetrack_nano_mot17
ByteTrack-M608×1088×381.4 MB86.2 / 86.111.125.28M / 206.12Gbytetrack_m_mot17

硬件与主机环境

项目值
开发板搭载 Raspberry Pi CM5 的 reComputer R Series
加速器PCIe Hailo-8,设备节点 /dev/hailo0
运行时HailoRT 4.23.x(主机与容器的主次版本必须一致)
容器内 Python3.11,aarch64
bash
sudo apt update
sudo apt install hailo-all -y
sudo reboot

# 重启后
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 docker

使用演示视频运行

选择与模型变体对应的命令。内置的 video/test.mp4 是 Hailo 官方 example.mp4 街景演示片段。

ByteTrack-S

bash
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.mp4

ByteTrack-Tiny

bash
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.mp4

ByteTrack-Nano

bash
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.mp4

ByteTrack-M

bash
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.mp4

USB 摄像头模式

bash
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 0

将 bytetrack_s_mot17 换成 bytetrack_tiny_mot17 即可运行 Tiny 变体。

REST API

变体端点
ByteTrack-SPOST /api/models/bytetrack_s_mot17/predict
ByteTrack-TinyPOST /api/models/bytetrack_tiny_mot17/predict
ByteTrack-NanoPOST /api/models/bytetrack_nano_mot17/predict
ByteTrack-MPOST /api/models/bytetrack_m_mot17/predict
bash
curl -X POST "http://<Board_IP>:8000/api/models/bytetrack_s_mot17/predict" \
  -F "file=@test.jpg"

返回的 predictions 包含 track_id、class、confidence 和 box。

实现说明

  • HEF 输出九个 YOLOX 风格检测头:stride 32/16/8 各自的 box(4)、objectness(1)、 class(1),片上不做 NMS。
  • 主机解码:center = (raw_xy + grid) * stride,size = exp(raw_wh) * stride, score = obj * class(HEF 已完成 sigmoid)。框按 0.1 过滤,NMS 阈值 0.7。
  • ByteTrack 使用 Kalman 预测和高/低分 IoU 匹配做关联,只绘制已激活的轨迹。
  • 预处理 letterbox 到 608×1088(填充 114),BGR→RGB;ImageNet 归一化已编译进 HEF。
  • 这是 MOT17 单类 person 检测器,不是通用 80 类检测模型。

开发说明

  • 源码:src/rpi5_hailo8_bytetrack_{s,tiny,nano,m}_mot17/
  • Dockerfile:docker/hailo8/bytetrack_{s,tiny,nano,m}_mot17.dockerfile
  • 容器:ghcr.io/seeed-projects/recomputer-hailo8-cv/bytetrack_{s,tiny,nano,m}_mot17:latest
  • HEF:Hailo Model Zoo v2.20.0(hailo8),大小和 SHA256 记录在各模块的 model/README.md
  • 跟踪器:每个模块的 py_utils/byte_tracker.py 是主机侧 ByteTrack 实现

输入与输出

输入:图像、视频或 USB 摄像头帧。输出:带 track ID 的 person 框、置信度与 MJPEG 预览。