PP-Tracking是基于飞桨深度学习框架的业界首个开源实时跟踪系统。针对实际业务的难点痛点，PP-Tracking内置行人车辆跟踪、跨镜头跟踪、多类别跟踪、小目标跟踪及流量计数等能力与产业应用，同时提供可视化开发界面。模型集成多目标跟踪，目标检测，ReID轻量级算法，进一步提升PP-Tracking在服务器端部署性能。同时支持python，C++部署，适配Linux，Nvidia Jetson多平台环境。
视频来源：VisDrone2021, BDD100K开源数据集
PP-Tracking提供了简洁的可视化界面，无需开发即可实现多种跟踪功能，可以参考PP-Tracking可视化界面使用文档快速上手体验
PP-Tracking集成了多目标跟踪，目标检测，ReID轻量级算法，提升跟踪系统实时性能。多目标跟踪算法基于FairMOT进行优化，实现了服务器端轻量级模型，同时基于不同应用场景提供了针对性的预训练模型。
模型训练评估方法请参考多目标跟踪快速开始
PP-Tracking中提供的多场景预训练模型及导出模型列表如下：
| 场景 | 数据集 | 精度（MOTA） | NX模型预测速度（FPS） | 配置文件 | 模型权重 | 预测部署模型 |
|---|---|---|---|---|---|---|
| 行人跟踪 | MOT17 | 65.3 | 23.9 | 配置文件 | 下载链接 | 下载链接 |
| 行人小目标跟踪 | VisDrone-pedestrian | 40.5 | 8.35 | 配置文件 | 下载链接 | 下载链接 |
| 车辆跟踪 | BDD100k-vehicle | 32.6 | 24.3 | 配置文件 | 下载链接 | 下载链接 |
| 车辆小目标跟踪 | VisDrone-vehicle | 39.8 | 22.8 | 配置文件 | 下载链接 | 下载链接 |
| 多类别跟踪 | BDD100k | - | 12.5 | 配置文件 | 下载链接 | 下载链接 |
| 多类别小目标跟踪 | VisDrone | 20.4 | 6.74 | 配置文件 | 下载链接 | 下载链接 |
注：
- 模型预测速度为TensorRT FP16速度，测试环境为CUDA 10.2，JETPACK 4.5.1，TensorRT 7.1
- 更多跟踪模型请参考多目标跟踪模型库
检测模型使用轻量级特色模型PP-PicoDet，具体请参考PP-PicoDet文档
ReID模型使用超轻量骨干网络模型PP-LCNet, 具体请参考PP-LCNet模型介绍
PP-Tracking 使用python预测部署教程请参考PP-Tracking python部署文档
PP-Tracking 使用c++预测部署教程请参考PP-Tracking c++部署文档