该项目利用yolov5+reid实现的行人重识别功能，可做跨视频人员检测。
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.人员查找(可做跨视频人员检测)
环境说明：
matplotlib>=3.2.2
numpy>=1.18.5
opencv-python>=4.1.2
Pillow>=7.1.2
PyYAML>=5.3.1
requests>=2.23.0
scipy>=1.4.1
torch>=1.7.0
torchvision>=0.8.1
tqdm>=4.41.0pytorch-ignite=0.4.11
目录
Reid训练
ps:Reid理论部分参考：Reid理论视频参考课程
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 MODEL.DEVICE_ID "('0')" DATASETS.NAMES "('market1501')" DATASETS.ROOT_DIR "(r'./data')
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)。
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.
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 # batchCHECKPOINT_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person_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。
人员查找(yolov5+Reid)
参数说明：
--weights: yolov5权重路径
--source: video/file/ path
--data: data/coco128.yaml
--imgsz: 输入图像大小，默认(640,640)
--conf_thres:置信度阈值
--iou_thres:iou阈值
--classes:过滤的类
--half:半精度推理
--dist_thres:reid对比的距离阈值(小于该阈值判断为同一个人)
--save_res:保存视频图像
python search.py --weights yolov5s.pt --source 0 --dist_thres 1.5
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。
代码：
git clone https://github.com/YINYIPENG-EN/yolov5_reid.git权重下载：
检测：将 ReID_resnet50_ibn_a.pth放在👂person_search/weights文件下，yolov5s.pt放person_search下
训练：将 r50_ibn_2.pth，resnet50-19c8e357.pth放在yolov5_reid/weights下
注意：训练和检测(person_search)是两个独立的项目！！
链接：百度网盘 请输入提取码 提取码：yypn
后续将不断更新针对reid代码的详解。请持续关注。
Reid训练代码之数据集处理：reid数据集处理代码详解
来源地址：https://blog.csdn.net/z240626191s/article/details/129221510
