该项目利用yolov8+reid实现的行人重识别功能，实现特定人员查找。

应用场景：

可根据行人的穿着、体貌等特征在视频中进行检索，可以把这个人在各个不同摄像头出现时检测出来。可应用于犯罪嫌疑人检索、寻找走失儿童等。

支持功能：

        1.reid训练

        2.人员标注

        3.Reid(行人重识别)

环境说明：

(项目中有requirements.txt)

ipython==8.12.3
 loguru==0.7.2
 matplotlib==3.7.5
 mss==7.0.1
 numpy==1.22.4
 opencv-python==4.4.0.44
 pandas==2.0.3
 Pillow==9.5.0
 protobuf==5.26.1
 pytorch-ignite==0.4.11
 PyYAML==6.0.1
 requests==2.31.0
 scikit-learn==1.3.2
 scipy==1.10.1
 seaborn==0.13.2
 six==1.16.0
 tensorboardX==2.6.2.2
 torch==1.10.0+cu102
 torchvision==0.11.0+cu102
 tqdm==4.66.1
 transformers==4.27.0
 ultralytics==8.0.228
 yacs==0.1.8

Reid训练

项目支持多网络，如resnet50, resnet50_ibn_a, se_resnext50等主干网络。

下载代码后输入：

python tools/train.py --config_file configs/softmax_triplet.yml

其中softmax_triple.yml是配置文件(里面包含了训练epochs，学习率，优化器等参数配置)。

中断后的继续训练或微调训练

如果训练意外终止，或者希望继续训练，可以适用本功能。只需要传入--resume参数即可

python tools/train.py --weights 【your weight path】 --resume

 注意：在训练期间会保存两种格式，一个是mAP_xx_model_model_name.pth,一个是mAP_xx_optimizer_model_name.pth。后者保存的是训练期间优化器等参数。【不建议修改保存的名字，因为训练期间会根据权重名字自动加载优化器权重】。

冻结训练

新增冻结训练，输入参数freeze 并指定freeze_epoch即可，可用于加快训练或者微调训练如下：

python tools/train.py --weights 【your weight path】 --freeze --freeze_epoch 20

tensorboard更新内容：

支持训练曲线可视化：√

hard sample可视化：√

基于YOLOv8与ByteTrack的车辆行人多目标检测与追踪系统的研究与实现 yolo行人重识别_YOLO

基于YOLOv8与ByteTrack的车辆行人多目标检测与追踪系统的研究与实现 yolo行人重识别_重识别_02

 

训练可选参数 ：

参数说明：

--config_file: 配置文件路径，默认configs/softmax_triplet.yml

--weights: pretrained weight path

--neck: If train with BNNeck, options: bnneck or no

--test_neck: BNNeck to be used for test, before or after BNNneck options: before or after

--model_name: Name of backbone.

--pretrain_choice: Imagenet

--IF_WITH_CENTER: us center loss, True or False.

--resume:继续训练

--freeze:冻结训练

--freeze_epoch:表示前多少个epoch为冻结训练

配置文件的修改：

(注意：项目中有两个配置文件，一个是config下的defaults.py配置文件，一个是configs下的yml配置文件，一般配置yml文件即可，当两个配置文件参数名相同的时候以yml文件为主，这个需要注意一下)

configs文件:

以softmax_triplet.yml为例

SOLVER:
   OPTIMIZER_NAME: 'Adam' # 优化器
   MAX_EPOCHS: 120  # 总epochs
   BASE_LR: 0.00035
   IMS_PER_BATCH: 8  # batch  CHECKPOINT_PERIOD: 1   # 权重保存周期
   LOG_PERIOD: 1 # 日志周期
   EVAL_PERIOD: 1  # 测试周期，测map
 TEST:
   IMS_PER_BATCH: 4 # test batch
   RE_RANKING: 'no'
   WEIGHT: "path"  # test weight path
   FEAT_NORM: 'yes'
 OUTPUT_DIR: "/logs" # model save path=> Market1501 loaded
 Dataset statistics:
   ----------------------------------------
   subset   | # ids | # images | # cameras
   ----------------------------------------
   train    |   751 |    12936 |         6
   query    |   750 |     3368 |         6
   gallery  |   751 |    15913 |         6
   ----------------------------------------
 Loading pretrained ImageNet model...... 2023-02-24 21:08:22.121 | INFO     | engine.trainer:log_training_loss:194 - Epoch[1] Iteration[19/1484] Loss: 9.194, Acc: 0.002, Base Lr: 3.82e-05
 2023-02-24 21:08:22.315 | INFO     | engine.trainer:log_training_loss:194 - Epoch[1] Iteration[20/1484] Loss: 9.156, Acc: 0.002, Base Lr: 3.82e-05
 2023-02-24 21:08:22.537 | INFO     | engine.trainer:log_training_loss:194 - Epoch[1] Iteration[21/1484] Loss: 9.119, Acc: 0.002, Base Lr: 3.82e-05

 训练好的权重会自动保存在logs下。

人员标注

可将视频中嫌疑人(特定人员)，可以运行Reid_Search/get_query.py，按住鼠标左键不放，拖动进行人员款选标注，标注后的人员会自动保存在query文件中(命名格式为markt1501)，按空格键继续播放视频。

也可以直接将图像放在query文件中，但名字也需要按mark1501命名。

基于YOLOv8与ByteTrack的车辆行人多目标检测与追踪系统的研究与实现 yolo行人重识别_人工智能_03

人员查找(yolov8_Reid) 

python search.py --weights yolov8s.pt --source demo.mp4 --dist_thres 1.

如果需要检测视频或者多视频(跨视频检测)，需要指定source路径。

效果如下：


yolov8_reid


参数说明：

--weights: yolov8权重路径

--source: video/file/ path

--imgsz: 输入图像大小，默认640

--dist_thres:reid对比的距离阈值(小于该阈值判断为同一个人)

--save:保存视频图像

检测后的视频会保存在runs/detect/下

训练和检测代码有偿使用。(训练部分是否含tensorboard,价格不一样)

wechat:y24065939s