赛题业务场景：描述赛题相关的真实企业业务背景，电子打标。从真实场景中，适当简化或者提炼出适合比赛的赛题场景

基于深度学习的行人跟踪，是安防场景的重要研究领域，该领域的研究对于重点人员跟踪，违法犯罪事件预警有着重要意义。例如火车站、小区的摄像头对范围人员追踪、走丢老人找回都有重要的意义。选手需要根据提供的数据集，进行模型的训练并将结果上传到AI Studio得到分数，再实现行人追踪软件的开发。

基本功能要求

1.完成模型训练并上传到AI Studio评测入口得到分数

2.可以实现单摄像头目标追踪

3.最终成型的产品是可交互的运行软件

4.用户可以使用软件上传视频，实现单摄像头下的目标追踪

5.软件可以设置结果输出的置信度

6.软件可以实时输出图像中人数

7.软件可运行在Windows或Linux平台

非功能性要求

1.系统运行顺畅无卡顿，无闪退等严重BUG

2.UI界面美观、逻辑合理、交互友好

3.作品中标明哪些部分使用了开源代码及出处

4.文档应详细阐述所使用的技术算法，以及实现思路

实现条件：开发环境、实验平台、开发语言、

数据库、编译器、涉及硬件等实现条件

训练平台采用百度AI Studio实训平台，基于百度飞桨PaddlePaddle框架进行开发，推荐使用PaddleDetection目标检测开发工具

测试数据或平台：提供给参赛者的测试环境和测试数据

比赛提供了单摄像头/多摄像头下的目标跟踪数据集

1.其中单摄像头目标跟踪是主任务（必须完成），训练数据集为公开数据集MOT20：https://motchallenge.net/data/MOT20/,选手根据数据集训练模型，然后将在测试集上的测试结果文件上传至AI Studio比赛界面，评测脚本将会打分；

2.多摄像头跨镜跟踪难度较高,为附加项目，不是必须项，训练数据集下载地址为：https://www.epfl.ch/labs/cvlab/data/data-wildtrack/

选手可自己收集验证数据集进行验证，并通过项目、文档、演示视频等形式来呈现

开发所需设备及设备指标需求说明

百度飞桨将于AI Studio平台免费赠送Tesla V100 GPU算力。

文档及其他要求

所需文档（推荐用Github项目/AI Studio项目的形式呈现）：

1.需求规格（包含所需环境，库，以及配置）及使用说明书

2.概要设计文档（应包含所实现的所有场景及功能）

3.详细设计文档（应包含所使用的技术的详细介绍）

4.Demo、源文件

各评分项及大致占比

1、评测成绩（满分60分）：用户在规定时间内上传预测结果到AI studio比赛入口
2、软件正常运行（满分20分）：软件可以正常运行，并实现跟踪，阈值控制等
3、技术文档（满分10分）：技术文档详细，若将代码开源到Github上可加分

4、附加任务（满分10分）：可基本实现跨镜头追踪方案

初赛作品提交要求

AI Studio线上模型测评成绩及排名（再将模型上传到AI Studio比赛入口后可自动得到）、源代码、可脱机运行项目（包含前后端）、相关文档（见其他要求对文档的要求）、演示视频(格式不限，时间尽量控制在7分钟以内)