停车场闸机的车牌识别、道路两侧的违停检测、繁华路口的车流统计、茫茫车海中的车辆锁定…这些场景背后的技术原理大家是否在心中简单构思过？抑或想要抽时间自己攒一套出来可却又不知从何下手？
继行人分析工具 PP-Human 之后，飞桨目标检测端到端开发套件 PaddleDetection 正式开源车辆分析工具 PP-Vehicle！
PP-Vehicle 功能全景图
PP-Vehicle 是一款针对车辆分析相关场景的开源工具，产品主要围绕以下几个方面进行设计开发：
**实用性：**针对车辆分析场景共性的底层模型进行优选迭代；针对几个高频场景进行了详细的后处理策略设计，可以满足业务的快速上线需求。同时提供丰富的二次开发教程，方便用户根据自己的业务场景进行私有化开发。
**泛化性：**在公开数据集以及自采数据集上进行充分训练，并且提供预训练模型，覆盖车辆分析中监控视角、驾驶员视角、俯拍视角等常见相机视角。
**低代码：**实现 1 行代码快速部署，支持图片、视频、单路/多路 rtsp 视频流输入，修改配置文件即可快速实现策略修改以及 pipeline 的组合。
接下来让我们具体看一下 PP-Vehicle 的工作。
整体方案
PP-Vehicle 技术架构
PP-Vehicle 整体分为输入、核心算法、输出三部分：
**输入：**支持离线图片、视频以及 rtsp 视频流等形式，可根据输入类型快速配置，如下图所示，为输入配置为 rtsp 拉流的示例。
**核心算法：**主要由预训练模型以及逻辑策略组成。预训练模型主要有 4 个：车辆检测模型、车辆跟踪模型、车牌识别模型、车辆属性分析模型。各个模型性能见下表：
**输出：**包括车牌信息、车辆轨迹、车辆属性、违停信息等；同时支持这些信息的可视化渲染输出，如下图为直接配置可视化信息 rtsp 推流显示。
