本文详述了一个行人检测与识别系统的实现过程，包括使用YOLO进行行人检测创建数据集，Resnet50特征提取训练，欧式距离度量的ReID检索方法。尽管在实际检索中遇到误检问题，但整体流程涵盖了前端页面设计，构建了一个行人识别系统。
1、创建数据集
通过YOLO将视频中的行人检测出来，并创建行人gallery库，进行手工标标签。
2、特征提取器训练
使用Resnet50或其他好用的分类器训练，使用crossentroy loss
训练完得到权重文件net.params.pkl
3、提取数据集特征向量并存储（可省略）
以npy存储特征向量，省去每次检索时重复提取gallery中的特征
在做的时候将存为特征向量省略了。直接使用network的输出特征做距离度量。
4、Reid检索
使用Reid中的欧式距离度量，ID loss来提取Rank10的行人，并锁定特定行人。
给一张probe图像，在视频中检索，目前效果不太好，总是误检，很不准确地检测到其他的人。
5、整体的前端页面设计，设计一个小型的系统
扫一扫
935
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
