)
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。
2026.11更新：
1.新增网页版界面，支持用户注册、权限管理
2.支持日志管理、视频上传、检测结果下载等
可试用。
支持功能：
1.reid训练
2.人员标注
3.Reid(行人重识别)
4.GUI界面(已更新)
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 20tensorboard更新内容：
支持训练曲线可视化：√
hard sample可视化：√
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 # 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。
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、检测、GUI界面代码有偿使用。
wechat:y24065939s
GUI界面
Qt界面
网页端界面
支持试用。
检测效果如下，左侧工具栏可上传模板图像和待检测视频，右侧显示检测结果(可批量检测)
支持视频播放、可倍速、下载
代码
https://github.com/YINYIPENG-EN/yolov8_reid.git
权重下载
检测：将ReID_resnet50_ibn_a.pth放在:Reid_Search/weights文件下，yolov8s.pt放Reid_Search下
链接：百度网盘 请输入提取码 提取码：yypn
相关参考资料
涉及到的相关资料如下：
参考的reid论文：Bag of Tricks and A Strong Baseline for Deep Person Re-identification(这应该是一篇19年的论文，可能稍微比较早了，但很有参考价值)
Reid代码详解：Reid strong baseline 代码详解
Reid之网络的定义：Reid之网络的定义代码详解
Reid训练代码之数据集处理：Reid训练代码之数据集处理
Reid损失函数理论学习：Reid损失函数理论学习
Reid度量学习Triplet loss:Reid度量学习之Triplet loss
yolov5_行人重识别：yolov5_行人重识别
yolov5_车辆重识别：yolov5 车辆重识别
yolov7_行人重识别：yolov7 行人重识别
