Compare commits
3 Commits
0390cd7934
...
f7095bbf5e
Author | SHA1 | Date |
---|---|---|
|
f7095bbf5e | |
|
fa503146e6 | |
|
8a25dfceea |
|
@ -32,3 +32,4 @@
|
||||||
*.out
|
*.out
|
||||||
*.app
|
*.app
|
||||||
|
|
||||||
|
*.mp4
|
|
@ -0,0 +1,21 @@
|
||||||
|
# 2024-10-11 组会汇报
|
||||||
|
|
||||||
|
## 一、科研项目
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
## 二、工程项目
|
||||||
|
## 2.1 目标跟踪流程跑通
|
||||||
|
1. 结合yolov8,行人重识别开源项目[fast-reid](https://github.com/JDAI-CV/fast-reid)以及目标跟踪算法deepsort,初步跑通以下3步流程:
|
||||||
|
1. 行人检测:通过Yolov5这类目标模型提取当前帧的行人图像。
|
||||||
|
2. 特征提取:基于特征提取模型,如通过faster-reid基于度量学习训练得到的模型提取行人区域图片的特征向量。
|
||||||
|
3. 目标跟踪:结合行人区域特征,通过deepsort进行行人跟踪
|
||||||
|
2. 目前存在问题:
|
||||||
|
1. 跟踪精度低,存在严重的id switch问题
|
||||||
|
2. 行人重识别模型推理速度慢,占推理总流程时间的90%以上,需要再优化一下
|
||||||
|
3. 尝试解决的方向是根据github上的[原项目](https://github.com/linghu8812/yolov5_fastreid_deepsort_tensorrt)进行优化,因为整个流程基本是根据这个项目来的,我估计应该是缺了一些设置导致上述的问题,使用原项目进行目标跟踪还是非常流畅的,[跟踪结果](video/video0.mp4)
|
Binary file not shown.
After Width: | Height: | Size: 101 KiB |
Loading…
Reference in New Issue