当前位置：首页 > news >正文

paddlex 摄像头实时目标检测低配优化版项目源码（基于 PP-YOLOE + ONNX + 多线程 + 简易跟踪 + 可打包）

news 2026/8/2 19:40:36

本文博主介绍一套完整可运行的低配优化版项目源码（基于 PP-YOLOE + ONNX + 多线程 + 简易跟踪 + 可打包）。
目标是：在低性能机器上尽可能跑快 + 稳定 + 可扩展。

🧠 ✅ 技术选型（针对你的要求）

检测模型：PaddleDetection →PP-YOLOE-s（轻量）
推理：ONNX Runtime（CPU优化）
跟踪：简化版（IOU Tracking，替代重型 ByteTrack）
架构：多线程
显示：OpenCV
可扩展：Web / EXE

📁 项目结构（建议直接照这个建）

ppyolo_realtime/ │ ├── models/ │ ├── ppyoloe_s.onnx │ ├── main.py ├── detector.py ├── tracker.py ├── config.py └── utils.py

⚙️ 第一步：导出 ONNX 模型

在 PaddleDetection 里导出：

python tools/export_model.py\-cconfigs/ppyoloe/ppyoloe_s_crn_l_300e_coco.yml\--output_dir=output_inference

然后转 ONNX（或直接用 Paddle2ONNX）：

pipinstallpaddle2onnx paddle2onnx--model_diroutput_inference\--model_filenamemodel.pdmodel\--params_filenamemodel.pdiparams\--save_fileppyoloe_s.onnx\--opset_version11

📄 config.py

MODEL_PATH="models/ppyoloe_s.onnx"INPUT_SIZE=(640,640)CONF_THRESH=0.5IOU_THRESH=0.5SKIP_FRAMES=2CAMERA_ID=0

🧠 detector.py（ONNX推理核心）

importonnxruntimeasortimportcv2importnumpyasnpfromconfigimport*classDetector:def__init__(self):self.session=ort.InferenceSession(MODEL_PATH,providers=['CPUExecutionProvider'])self.input_name=self.session.get_inputs()[0].namedefpreprocess(self,frame):img=cv2.resize(frame,INPUT_SIZE)img=img.astype(np.float32)/255.0img=img.transpose(2,0,1)img=np.expand_dims(img,axis=0)returnimgdefdetect(self,frame):input_tensor=self.preprocess(frame)outputs=self.session.run(None,{self.input_name:input_tensor})# ⚠️ 根据模型输出调整boxes=outputs[0]results=[]forboxinboxes:x1,y1,x2,y2,score,cls=boxifscore>CONF_THRESH:results.append([x1,y1,x2,y2,score,int(cls)])returnresults

🧠 tracker.py（轻量跟踪，低配专用）

importnumpyasnpclassSimpleTracker:def__init__(self):self.tracks=[]self.track_id=0defiou(self,box1,box2):x1=max(box1[0],box2[0])y1=max(box1[1],box2[1])x2=min(box1[2],box2[2])y2=min(box1[3],box2[3])inter=max(0,x2-x1)*max(0,y2-y1)area1=(box1[2]-box1[0])*(box1[3]-box1[1])area2=(box2[2]-box2[0])*(box2[3]-box2[1])returninter/(area1+area2-inter+1e-6)defupdate(self,detections):updated_tracks=[]fordetindetections:best_iou=0best_track=Nonefortrackinself.tracks:iou_score=self.iou(det,track["box"])ifiou_score>best_iou:best_iou=iou_score best_track=trackifbest_iou>0.3:best_track["box"]=det updated_tracks.append(best_track)else:updated_tracks.append({"id":self.track_id,"box":det})self.track_id+=1self.tracks=updated_tracksreturnself.tracks

🧰 utils.py（绘制）

importcv2defdraw(frame,tracks):fortintracks:x1,y1,x2,y2,score,cls=t["box"]tid=t["id"]cv2.rectangle(frame,(int(x1),int(y1)),(int(x2),int(y2)),(0,255,0),2)cv2.putText(frame,f"ID:{tid}",(int(x1),int(y1)-10),cv2.FONT_HERSHEY_SIMPLEX,0.6,(0,255,0),2)returnframe

🚀 main.py（多线程主程序）

importcv2importthreadingimportqueueimporttimefromdetectorimportDetectorfromtrackerimportSimpleTrackerfromutilsimportdrawfromconfigimport*frame_queue=queue.Queue(maxsize=2)result_queue=queue.Queue(maxsize=2)detector=Detector()tracker=SimpleTracker()defcapture():cap=cv2.VideoCapture(CAMERA_ID)cap.set(3,640)cap.set(4,480)whileTrue:ret,frame=cap.read()ifnotret:breakifnotframe_queue.full():frame_queue.put(frame)definference():frame_id=0last_det=[]whileTrue:ifnotframe_queue.empty():frame=frame_queue.get()frame_id+=1ifframe_id%SKIP_FRAMES==0:dets=detector.detect(frame)last_det=detselse:dets=last_det tracks=tracker.update(dets)ifnotresult_queue.full():result_queue.put((frame,tracks))defdisplay():fps=0count=0start=time.time()whileTrue:ifnotresult_queue.empty():frame,tracks=result_queue.get()frame=draw(frame,tracks)count+=1fps=count/(time.time()-start)cv2.putText(frame,f"FPS:{fps:.2f}",(10,30),cv2.FONT_HERSHEY_SIMPLEX,1,(0,255,0),2)cv2.imshow("PP-YOLO Realtime",frame)ifcv2.waitKey(1)==27:breakthreading.Thread(target=capture).start()threading.Thread(target=inference).start()display()