deep-learning - 如何使用重新识别模型创建人员跟踪？

Question

我目前正在做一个项目，我想构建一个可以检测和跟踪具有唯一 ID 的人的模型。主要问题是当一个人离开框架并在一段时间后回来时。目前，我正在使用 yolov4 和 Deepsort 进行检测和跟踪。但在这种情况下它失败了。

请提出一些方法，我们可以对人或汽车或任何其他物体进行检测、重新识别和跟踪。

谢谢 ：）

标签： deep-learningobject-detectiontrackingyolo

Answer 1

虽然 YOLOv4 可以检测图像/视频流中的人，但我认为在您的情况下它可能过于笼统。当一个人离开框架并回来时，理想情况下，模型应该记得以前见过那个人。

解决这个问题的一种方法是训练你想要检测的人的图像。

例如，在像您这样的系统中，您可以从不同角度拍摄您想要跟踪的人的多张图像，并使用他们的唯一标识符标记他们。之后，您可以使用此数据训练模型（用于您的下游任务）。理想情况下，这将为使用唯一标识符检测和跟踪人员提供更具体的结果，而不是按原样使用 YOLOv4 时进行一般人员检测。

也就是说，我知道在某些情况下拍摄大量人物照片可能不切实际。在这种情况下，您可能希望查看使用最少数据产生准确结果的技术，例如域适应 ( https://arxiv.org/abs/1812.11806 )。但是，在跟踪和检测人员的应用程序中，我假设您希望将错误分类降到最低。因此，您可以说这始终是一种权衡。

您可以在本文中找到更多关于处理数据不足的信息：（https://www.kdnuggets.com/2019/06/5-ways-lack-data-machine-learning.html）

但是，我认为这是重新识别模型的更好起点：（https://github.com/KaiyangZhou/deep-person-reid）它有足够的文档来帮助您入门。