第三章Reid

“

这个任务就是深度学习最擅长的。颜色、亮度体现在图像数据第3维，以数值来体现，CNN可以完美捕捉到这种特征。人所担心的“体型相似”并不是神经网络怕的，因为通过损失反向传播得来的权重自然而然会把“颜色”这种特征组合的权重调高，而其他特征不影响。所以只要数据够多、标签标对了，CNN几乎可以完美处理。

作者：番茄射手
链接：https://www.zhihu.com/question/391774138/answer/1191919036
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

”

2023/7/31

开启论文的最后一章 “针对未佩戴安全帽人员目标追踪及身份识别的方法研究”

导师让我最后一章也提一下人脸  

用reid

初步想法是 改进一下特征提取网络    IOU

报警策略： 没办法做到谭要求的 发现他没带 然后去追踪他 只能说更精准的追没带帽子的人 对于带的人不care

---

突然想到 之前很多MOT可是用到了Reid

deepsort中的reid 去除最后分类用的全连接层，即只利用该网络做特征提取不进行后续分类

1.有一个问题  匈牙利算法和IOU匹配什么关系

深入浅出——零基础一文读懂DeepSORT(原理篇)_YouOnlyLookOnemiotms的博客-优快云博客

炮哥：目标追踪---deepsort原理讲解_炮哥带你学的博客-优快云博客

IOU匹配的结果计算其代价矩阵（cost matrix ，代价矩阵作为匈牙利算法的输入，得到线性的匹配的结果

每次只要Tracks匹配上都会保存Detections其的外观特征和运动信息，默认保存前100帧，利用外观特征和运动信息和Detections进行级联匹配

级联匹配： （利用之前保存的外观特征（之前reid提取的吗？），基于之前KF预测的运动信息 和当前帧的Detections 的外观特征（reid） 和当前帧的 运动信息） 匹配

应该是only reid  ， 运动信息的权重为0     有空研究下Deep sort算法论文解读_deepsort论文解读_mini猿要成长QAQ的博客-优快云博客）

而与马氏距离做融合机制会有一个好处就是它会限制reid的匹配距离

   对于bytetrack 最好的也是第一次匹配 only reid  第二次only 运动   ，这一点两个算法是一样的

---

下面开始看如下方法的Reid

FairMoT：