简介跨摄像头行人跟踪是计算机视觉中兼顾检测、重识别与多目标关联的复杂任务。这份项目源码面向学习行人检测与ReID技术的开发者基于深度学习方法整合YOLO、Faster R-CNN等检测模型并实现Deep SORT、度量学习等跟踪模块适合算法入门或实战项目参考。压缩包共30个文件主要包括29个Python脚本与1个Markdown说明文档涵盖数据预处理、模型训练、特征提取、相似度计算与跟踪管理等功能代码结构清晰便于对照学习。目前已有261人浏览学习项目包体约80KB轻量易用可快速运行调试。通过学习该项目能够掌握跨摄像头行人重识别ReID的关键流程包括特征表示、距离度量、时序建模及数据关联等方法并理解如何构建一套完整的多目标行人跟踪系统。对于从事安防监控、智能交通或边缘计算相关开发的学生和工程师具有直接的参考价值。1. 跨摄像头行人跟踪核心难点不在跟踪在“认人”行人跟踪在单摄像头下已经比较成熟检测加关联就能跑起来。但一旦跨摄像头同一个行人在不同画面里可能换了角度、变了光照、被遮挡了一半甚至连穿着都因为场景色温看起来不一样。这时候如果还靠位置预测和外观模板去跟踪几乎必然丢ID。跨摄像头行人跟踪的本质是把“跟踪”问题拆成“检测 重识别 关联”三段其中最关键的落点就是行人重识别ReID——让算法在不同摄像头下认出同一个人。这套源码就是完整的ReID训练框架自带多种骨干网络和损失函数实现适合想搞懂跨摄像头行人跟踪算法细节、或者需要训练自己ReID模型的开发者。2. 重识别是整个系统的灵魂特征表示与损失函数设计2.1 为什么跨摄像头跟踪必须依赖ReID先看一个典型的跨摄像头跟踪链路每个摄像头独立做行人检测常用YOLO、Faster R-CNN检测出若干个行人框然后每个框过一遍ReID模型得到一个特征向量最后不同摄像头之间的特征向量做距离匹配同一个人的特征距离近不同人的特征距离远用匈牙利算法之类的数据关联方法把ID串起来。这里面检测和跟踪都是成熟工种真正决定跨摄像头系统能不能用的是ReID特征的质量。如果特征向量在视角变化下依然稳定跨摄像头的匹配就准如果特征不稳定后面关联算法再精致也没用。所以这套源码把训练重心完全放在ReID模型上——你需要先有一个能提取鲁棒行人特征的模型再去谈跨摄像头跟踪。特征提取网络的选择上源码里models目录给了非常多的选择从ResNet、ResNeXt、DenseNet、DPN这类主流CNN到SqueezeNet、MobileNet、ShuffleNet这类轻量级网络甚至还有InceptionV4、NASNet、Xception、SEResNet等。常见做法是默认用ResNet50因为它在大规模图像分类上预训练权重好找迁移到ReID任务效果稳定。如果要做嵌入式部署再换成MobileNet或ShuffleNet。2.2 特征表示全局特征为主局部特征作补充ReID特征表示大体分两类。全局特征是把整张行人图过一遍网络得到一个高维向量比如ResNet50最后一个池化层输出2048维。全局特征简单高效但对遮挡和姿态变化敏感——一个人被栏杆挡了一半全局特征里就混入了栏杆的信息。局部特征是把行人图切块分别提取每个块的特征再做拼接比如把图水平切成几份分别对应头、上身、下身这样即使某个块被遮挡其他块还能提供判别信息。这套源码里的骨干网络没有显式的局部特征分支但它通过损失函数的设计来隐式增强局部判别力。特别是Triplet Loss它要求同一个人的不同图片在特征空间里距离近不同人的距离远这迫使网络自动去找到那些对人身份判别最有效的局部区域哪怕没有显式标注。实际训练时我一般先只用全局特征加Softmax损失把baseline跑通确认没有低级错误后再叠加Triplet Loss提升上限。2.3 损失函数组合从Softmax到Triplet的进阶路线源码里losses.py实现了多类损失从训练脚本命名也能看出来它分了几档train_img_model_xent.py只跑Softmaxtrain_img_model_xent_htri.py把Softmax和Triplet联合train_img_model_cent.py加了Center Losstrain_img_model_ring.py用的是Ring Loss。这个设计非常贴近ReID领域的演进路线。Softmax Loss把ReID当成分类问题来做。假设训练集有751个行人ID网络最后一个全连接层就输出751维每个维度的概率表示这张图属于某个行人的置信度。Softmax能让模型学到区分不同行人的特征但它只要求类间可分不要求类内紧凑。也就是说同一个人的不同照片特征可能分布在很大一片区域里这不利于跨摄像头匹配。Triplet Loss补齐了这个短板。它每次取三张图anchor锚点图、positive同一个人另一张图、negative另一个人一张图要求anchor与positive的距离加上一个margin之后仍然小于anchor与negative的距离。这个margin通常设0.3调大一点会让类内更紧凑但训练更难收敛调小则收敛快但判别力弱一些。联合训练时Softmax负责提供稳定的分类梯度Triplet负责拉紧类内距离两者互补。Center Loss的做法是给每个行人ID维护一个特征中心训练时让该ID所有图片的特征都向中心靠拢同时用Softmax保持类间分离。Ring Loss则是对特征的模长加约束它在光照变化大的场景下有一定帮助因为不同摄像头拍出的行人图整体亮度差异大特征模长可能被放大或缩小Ring Loss让模长趋向稳定。实际项目中SoftmaxTriplet是性价比最高的组合Center Loss和Ring Loss作为锦上添花数据量小或者场景光照差异大的时候可以试试。训练时这几个损失怎么组合源码里已经写好了。看一个简化版的训练循环逻辑# 以 train_img_model_xent_htri.py 的核心逻辑为例 for epoch in range(start_epoch, epochs): for batch_idx, (imgs, labels, cam_ids) in enumerate(train_loader): # imgs: 一个batch的行人图片尺寸通常为 (batch_size, 3, 256, 128) # labels: 每个图片对应的行人ID标签 # cam_ids: 每个图片来自哪个摄像头跨摄像头训练时用于采样约束 # 提取特征通过主干网络后接一个embedding层得到特征向量 features model(imgs) # 第一个分支softmax分类损失对特征接全连接层后计算 loss_xent xent_loss(classifier(features), labels) # 第二个分支triplet损失直接在特征空间计算 loss_htri triplet_loss(features, labels) # 两个损失相加xent权重大一些防止triplet主导导致训练震荡 loss loss_xent loss_htri optimizer.zero_grad() loss.backward() optimizer.step()这段代码里有两个关键点。一是triplet_loss(features, labels)是在特征层直接算距离不需要额外标注只需要知道每张图属于哪个行人ID。二是损失相加前没有做权重归一化xent和htri量级不同实际操作时如果发现loss曲线异常可以给其中一项加权重系数比如loss loss_xent 0.5 * loss_htri。2.4 数据增强与序列建模transforms.py里实现了ReID常用的数据增强组合。最基本的操作是Resize到固定尺寸ReID领域常用256x128而不是正方形的224x224因为行人框天然是竖长方形直接用长方形可以减少拉伸变形。然后是随机水平翻转行人的左右对称性可以帮助模型学到更稳定的特征。Random Erasing随机擦除是ReID里非常好用的一招训练时随机把一小块区域像素置为噪声迫使模型不依赖某个局部区域识别行人这对跨摄像头场景下的遮挡问题很有帮助。源码的transforms里如果启用了RandomErasing概率一般设0.5。视频序列方面dataset_loader.py和train_vid_model_xent.py处理的是视频片段输入。每段视频取若干帧作为一个序列网络通过时间维度的聚合捕捉行人步态信息。RNN和LSTM在早期ReID文献里常见现在主流已经转向3D卷积或者Transformer类的时序建模但源码里保留了这个传统路径。如果你处理的是监控视频可以试试视频模型如果只有静态图片数据集用图片模型就够了。3. 源码结构拆解从入口文件到模型仓库每个文件干什么拿到这套源码包先别急着跑训练花十分钟把文件结构过一遍能省下后面大量排错时间。这个压缩包的组织方式和学术界经典的Person ReID开源baseline一致每个模块职责清晰。3.1 关键文件功能对照文件/目录职责说明data_manager.py管理数据集处理目录结构划分训练集/查询集/测试集dataset_loader.py继承PyTorch Dataset完成图片读取、标签映射、委托给transforms做预处理transforms.py数据增强与预处理流水线Resize、Flip、Normalize、RandomErasingsamplers.py自定义采样器实现P-K均衡采样保证每个batch包含足够多的行人IDlosses.py损失函数集合CrossEntropy、Triplet、Center、Ringoptimizers.py优化器封装默认Adam配合warmup学习率策略eval_metrics.py评估指标计算Rank-1、Rank-5、mAP等models/骨干网络仓库包含十几个主流分类网络结构train_img_model_xent.pySoftmax Loss训练入口图片ReIDtrain_img_model_xent_htri.pySoftmax Triplet联合训练入口图片ReIDtrain_img_model_cent.pyCenter Loss训练入口train_img_model_ring.pyRing Loss训练入口train_vid_model_xent.pySoftmax训练入口视频ReIDtrain_vid_model_xent_htri.pySoftmax Triplet联合训练入口视频ReIDutils.py工具函数包括模型保存加载、日志记录等README.md项目说明文档这个结构对新手很友好。想快速上手先跑train_img_model_xent.py把baseline跑通想提升效果再换train_img_model_xent_htri.py有视频数据再研究train_vid_model_xent_htri.py。3.2 以图片SoftmaxTriplet训练为例的完整启动流程启动一个训练任务核心步骤是指定数据集路径、确认摄像头ID和行人ID的解析规则、设置batch size和学习率、选择模型和损失组合。参考命令如下python train_img_model_xent_htri.py \ --dataset market1501 \ --root ./data \ --arch resnet50 \ --batch-size 64 \ --lr 0.0003 \ --epochs 60 \ --step-size 40 \ --gpu 0每个参数的用途--dataset指定数据集名称源码支持Market1501等经典ReID数据集也可以加自己的数据集类--root是数据集根目录代码会按结构找图片和标签--arch指定骨干网络改成mobilenet就换轻量模型--batch-size是整体batch大小ReID训练里batch的构成比单纯的数量更关键这个参数要和samplers.py里的P-K设置配合比如8个ID、每个ID取8张图batch_size就是64--lr初始学习率Adam优化器下3e-4是ReID任务的常用起点太大容易震荡太小收敛慢--step-size是学习率衰减的epoch点在40个epoch时降一次常见做法是乘以0.1--gpu指定显卡编号。训练过程中日志会打印每个epoch的loss和当前验证集的Rank-1精度。如果发现Rank-1从第10个epoch开始持续上升说明训练正常如果loss下降到一定程度后开始抖动考虑降低学习率或者增大margin。3.3 模型仓库怎么选择合适的骨干网络models目录里十几个网络不是每个都要试。我的选择逻辑是这样的训练条件允许优先ResNet50它在ReID相关论文里是基准中的基准预训练权重最好找参数规模适中单卡能跑到足够的batch size如果显存紧张或者要部署到低算力设备用MobileNet或ShuffleNet精度会掉几个点但模型体积小很多如果追求极致精度且显卡够强可以试ResNeXt或DPN但训练时间和显存占用都要翻倍。DenseNet和InceptionV4在ReID里也能用但它们训练时的显存占用比较高而且不一定比ResNet50收益大。NASNet和InceptionResNetV2这类结构复杂、推理慢的网络在ReID任务里性价比偏低。HACNN是专门为ReID设计的分支网络它在网络结构中显式融合了全局和局部特征有兴趣可以在ResNet50跑通之后再对比一下效果。SqueezeNet、MuDeep这类偏冷门的模型作为学术对比可以跑实际项目里很少用到。3.4 视频模型入口train_vid_model_xent_htri.py处理视频ReID。视频ReID和图片ReID最大的差别在数据组织一个样本不再是单张图而是一段序列数据加载器需要按视频片段读取多帧。训练时dataset_loader.py会返回一个五维张量形状为(batch_size, seq_len, channels, height, width)网络先对每一帧提取特征再做时序聚合。视频模型的triplet采样和图片版不同点在于需要保证同一个人的同一个摄像头下的片段不要全放在一个batch里否则模型学到的是“摄像头风格”而不是“行人特征”。常见做法是根据cam_id约束采样这个逻辑在samplers.py里已经做了。视频模型因为输入数据量大batch_size一般要比图片模型小一半以上否则非常容易显存溢出。4. 把模型跑在自己的数据上数据组织、采样策略与超参调整4.1 自定义数据集目录结构改造成自己的数据集是必然的。以Market1501格式为参照目录结构是这样的data/ market1501/ bounding_box_train/ 0001_c1s1_000151_00.jpg 0001_c1s1_000201_00.jpg 0002_c2s1_000101_00.jpg bounding_box_test/ 0001_c1s1_000301_00.jpg query/ 0001_c1s1_000151_00.jpg文件名的格式本身携带标签信息前四位数是行人IDc1s1表示摄像头1的序列1后面的数字是帧序号和检测框序号。data_manager.py就是靠正则表达式解析文件名来生成标签的。如果你用自己的数据要么按这个命名规范重新整理文件要么改data_manager.py里的解析逻辑。有一个实操细节值得说明训练集和测试集的ID要完全不相交否则测出来的Rank-1虚高但没有实际意义。原因很直接测试阶段要做的是“在没见过的人里找同一人”如果测试集里出现训练集见过的ID相当于直接背答案。跨摄像头跟踪场景下训练时见过的行人下次可能换个摄像头又出现但如果当前测试视频里的行人是全新的模型必须靠特征泛化不能靠记忆。4.2 P-K采样器batch的构成比batch大小更关键ReID训练和普通分类训练有一个重大区别不能直接用随机采样器。如果batch里全是不同的人Triplet Loss根本找不到anchor的positive损失函数无法计算如果batch里同一个人的图太多模型又容易过拟合单个人。正确做法是samplers.py里实现的P-K采样每个batch选择P个不同的行人ID每个ID随机取K张图片batch_size P × K。# samplers.py 的简化逻辑 class RandomIdentitySampler: def __init__(self, dataset, num_identities, images_per_identity): self.num_identities num_identities # P self.images_per_identity images_per_id # K def __iter__(self): # 先打乱所有行人ID列表 # 每次取出 P 个ID再为每个ID随机采样 K 张图片 for batch_ids in chunks(shuffled_id_list, self.num_identities): batch_indices [] for pid in batch_ids: indices pid_to_indices[pid] batch_indices random.sample(indices, self.images_per_identity) yield batch_indices默认配置下P8、K4batch_size就是32。显存允许时把P和K同时加大效果会更好因为更大的P意味着一个batch里覆盖更多不同的行人模型见过更多难分负样本更大的K意味着每个行人有多张图参与triplet计算类内约束更稳定。常见的做法是P16、K4batch_size64这对应上面的--batch-size 64。如果单卡显存不足优先减少P而不是K因为P直接关系到一个batch里负样本的丰富程度。4.3 完整训练参数推荐不同场景下要调的参数不一样直接给一组经过验证的起点配置参数推荐值适用条件与调整方向--archresnet50精度优先显存小换mobilenet--batch-size32或64取决于P和KP8/K4时设为32--lr0.0003Adam优化器基准值loss震荡时降到1e-4--epochs60数据量大或场景复杂可加到120--step-size40在40个epoch将lr乘0.1需要和epochs匹配--height/--width256 / 128ReID标准行人比例不建议随意改RandomErasing概率0.5遮挡常见场景可以提到0.8Triplet margin0.3类内差距大就调大到0.5否则维持0.3损失函数的选择路径上第一次跑通用train_img_model_xent.py确认数据没重大问题后切到train_img_model_xent_htri.py。这中间有一个值得注意的现象Softmax单独训练时loss下降很快Rank-1也能到不错的水平加上Triplet后总loss可能看起来比纯Softmax更高但Rank-1反而更好。不要被loss数值迷惑要关注验证集Rank-1。4.4 训练中断续跑与模型保存训练60个epoch经常被打断显存不够、机房断电、隔壁任务抢了GPU这都是常态。源码里默认每个epoch结束都会保存checkpoint里面包含模型权重、优化器状态、epoch数。恢复训练时找到最新的checkpoint.pth.tar直接加载。常见做法是写一个恢复逻辑# 恢复训练的关键代码 if args.resume: checkpoint torch.load(args.resume) start_epoch checkpoint[epoch] 1 model.load_state_dict(checkpoint[state_dict]) optimizer.load_state_dict(checkpoint[optimizer]) print(f从第 {start_epoch} 个epoch恢复训练)一个血泪经验是不要只保存模型权重不保存优化器状态。Adam优化器内部维护每个参数的动量估计如果只恢复权重、优化器从头开始前几个epoch的学习率相当于重新预热训练曲线会明显波动。保存checkpoint时把optimizer.state_dict()一起存进去成本很低但能省很多事。5. 训练排坑ReID实战中常见的五个坑与排查方法5.1 数据集路径不匹配训练脚本一启动就报错现象是运行训练命令后报错提示找不到图片文件或KeyError标签解析失败。多数情况是当前目录不在./data或者数据集的目录名和代码里硬编码的数据集名对不上还有可能是从Windows拷贝到Linux后文件路径分隔符的问题。解决思路是按顺序检查先确认--root指向的路径存在且能看到bounding_box_train目录再确认数据集名拼写一致比如代码里查询market1501你目录名是Market1501大小写不匹配也会找不到最后开一个Python小脚本打印几个文件名确认命名格式能被正则解析。import os, re sample_dir ./data/market1501/bounding_box_train files os.listdir(sample_dir)[:5] pattern re.compile(r^(\d{4})_?(c\d)s(\d)_(\d)_(\d)\.jpg$) for f in files: match pattern.match(f) if match: pid, cam, seq, frame, bbox match.groups() print(f, - pid:, pid, cam:, cam)这段脚本帮你快速确认正则表达式能否正常工作。如果解析出来的PID是0001但训练日志里标签范围不对说明目录里混入了干扰图片比如非行人图或者从其他数据集复制过来的命名不规范文件。5.2 图片预处理不一致Resize、归一化、灰度图的坑现象是训练集上loss正常下降但测试集Rank-1始终上不去换了好几种损失函数都一样。最大的嫌疑是训练和测试时的图片预处理不一致。比如训练时用256×128测试时忘了改尺寸直接跑224×224或者训练时做了随机擦除测试时没做这个是对的但测试时也不小心开了擦除这个会掉点还有一种常见情况是归一化用的均值方差和预训练模型不匹配。ResNet类模型在ImageNet上预训练归一化均值方差固定为mean[0.485, 0.456, 0.406]、std[0.229, 0.224, 0.225]。如果换成其他骨干网络预训练时的归一化参数可能不同。比如Inception系列虽然也用ImageNet预训练但代码里可能处理成[-1, 1]范围两种方式混用会让网络输入分布完全错位。统一做法是把transforms封装成一个函数训练和测试共用一个函数定义不要复制粘贴后改了一半。5.3 采样器与损失函数不匹配导致Triplet Loss无法计算现象是用了train_img_model_xent_htri.py但运行到损失计算时报错提示“找不到positive样本”或者loss打印出来直接为0。这个坑的根本原因是随机采样器生成的batch里可能只有一个ID的图片或者更极端的情况下一个ID只有一张图导致Triplet Loss连一个有效的(anchor, positive, negative)三元组都凑不出来。看一下训练数据集的构造如果每个行人ID平均只有2到3张图那么K4就没法采样如果K设太大采样器直接抛异常。解决方法是降低K值比如改为K2同时保证数据集里每个ID至少有K张图。也可以先检查数据集的统计信息from collections import Counter import os, re pattern re.compile(r^(\d{4})_?(c\d)s\d_(\d)_(\d)\.jpg$) pid_counter Counter() for f in os.listdir(./data/market1501/bounding_box_train): m pattern.match(f) if m: pid_counter[int(m.group(1))] 1 # 看看最少的ID有多少张图 min_count min(pid_counter.values()) print(f共 {len(pid_counter)} 个ID最少有 {min_count} 张图)如果min_count K要么滤掉图片数量不足的ID要么把K调小。这个步骤看起来简单但在实际项目中经常被忽略最后Triplet Loss的效果比纯Softmax还差。5.4 学习率过大导致loss不收敛甚至爆炸现象是训练刚开始的时候loss很大然后持续震荡不下降或者干脆变成NaN。多数原因是学习率相对于batch size设置不合理。ReID里Softmax分支的分类器是从零初始化的预训练权重里没有这个分类层它的梯度量级比特征层大很多。如果学习率设置过高分类器的梯度可能主导整个反向传播特征层的预训练权重被破坏模型就崩了。解决办法是先确认当前硬件和batch规模下loss的量级再手动把学习率降一档。如果3e-4震荡先降到1e-4等前面几个epoch稳定了再观察。还有一个细节是warmup策略optimizers.py里如果实现了warmup前10个epoch学习率从很小的值线性上升到设定值这能有效避免开局震荡。如果源码里没做warmup自己加也不难# 简化版warmup前10个epoch线性升到设定lr def adjust_lr(epoch, warmup_epochs10, base_lr0.0003): if epoch warmup_epochs: lr base_lr * (epoch 1) / warmup_epochs else: lr base_lr return lr另外如果输入图片里出现了全黑的坏图或损坏的图片文件归一化之后可能出现极端数值也会导致NaN。检查数据完整性时把样本里的图片统一读一遍发现无法解码的图片单独删掉。5.5 显存溢出卡在模型前向传播阶段现象是训练脚本能启动数据加载也正常但一到model(imgs)就报CUDA out of memory。ReID训练里batch_size32不算大但如果你把图片分辨率设成了384×192或者用了ResNeXt这种分组卷积特别占显存的结构显存占用会翻好几倍。解决优先级建议第一优先降分辨率为256×128这是ReID的基准配置第二优先降P值从P8降到P4batch_size从32降到16同时把梯度累积打开跑两步第三才考虑换轻量网络。还有一个容易被忽略的地方是多卡训练时默认主卡显存占用高如果只设了--gpu 0而数据加载的num_workers开太多主进程的显存碎片也会堆积可以适当降低num_workers试试。6. 效果验证与落地评估指标、特征匹配与工程化建议6.1 评估指标Rank-k和mAP怎么算训练完模型需要用eval_metrics.py算测试集上的指标。ReID两个核心指标是Rank-1和mAP。Rank-1表示对于每个query图gallery中正确匹配的行人排在检索结果第一位的比例mAP则综合考虑所有正确匹配在排序中的位置。跑一次评估的操作是把query和gallery的所有图片过一遍模型得到特征向量然后计算query和gallery的余弦相似度矩阵按相似度从高到低排序再算指标import numpy as np def compute_rank_map(query_feats, query_labels, gallery_feats, gallery_labels): # 归一化特征用余弦距离计算相似度 q_norm query_feats / np.linalg.norm(query_feats, axis1, keepdimsTrue) g_norm gallery_feats / np.linalg.norm(gallery_feats, axis1, keepdimsTrue) sim_mat np.dot(q_norm, g_norm.T) rank1_count 0 ap_sum 0.0 for i in range(len(query_labels)): gt query_labels[i] sims sim_mat[i] # 按相似度降序取gallery排序 order np.argsort(sims)[::-1] matches (gallery_labels[order] gt) rank1_count matches[0] # 第一位的匹配合计 # 计算AP hits np.where(matches)[0] ap np.mean([(j1) / (pos1) for j, pos in enumerate(hits)]) ap_sum ap rank1 rank1_count / len(query_labels) mAP ap_sum / len(query_labels) return rank1, mAP这段代码看起来简单但有两个细节直接决定数值可信度。第一是特征必须做归一化ReID特征一般用L2归一化后再算余弦距离如果不归一化直接用欧氏距离特征模长差异会干扰排序。第二是gallery里如果包含query自己的图片必须排除掉否则Rank-1虚高。标准做法是gallery和query的ID列表做差集只保留不在query中出现的gallery图片。6.2 端到端匹配跨摄像头匹配的实际操作模型训练好了怎么用到跨摄像头跟踪里实际操作是把每个摄像头检测到的行人框都提一遍特征然后在两个摄像头的画面之间做匹配。假设摄像头A出现了5个人摄像头B出现了4个人特征向量分别是feat_A和feat_B算一个4×5的相似度矩阵用匈牙利算法找最优匹配低于阈值的匹配直接丢弃。from scipy.optimize import linear_sum_assignment # 计算相似度矩阵余弦距离转成代价矩阵距离越小代价越低 cost_mat 1 - np.dot(feat_B, feat_A.T) row_ind, col_ind linear_sum_assignment(cost_mat) for b_idx, a_idx in zip(row_ind, col_ind): if cost_mat[b_idx, a_idx] 0.3: # 匹配阈值按实际场景调整 print(f摄像头B的{b_idx}号目标 - 摄像头A的{a_idx}号目标)这里阈值是最大的玄学。设太高比如0.1会漏匹配同一个人的ID会被切断设太低比如0.6会把不同的人连在一起。我的习惯是先看相似度分布同一个人的相似度通常在0.7到0.9之间不同的人一般在0.3到0.5之间选择分布出现明显分界的地方作为阈值起点。6.3 从训练到工程化的几条建议如果要把这套系统真正部署到监控场景有几个点需要提前考虑。模型推理速度上ResNet50在GPU上单张行人图约5到10毫秒看起来很快但如果一个摄像头画面里同时有20个行人加上检测、跟踪、关联的耗时单路视频很难跑实时。常见做法是拉低检测框的置信度阈值只对置信度高的行人提特征或者用MobileNet替换ResNet50牺牲两三个点的精度换取推理速度翻倍。多摄像头协同方面不同摄像头的画面画质不同一个在晴天一个在阴面特征分布会有偏移这时候可以考虑在特征层做一次简单的归一化校正或者用第2章里提到的Ring Loss训练模型来缓解。跨时段场景中白天训练的模型到晚上效果会掉定期用新数据微调是必须的源码的训练脚本正好支持在checkpoint基础上继续训练把新采集的数据和旧数据混合起来重建训练集就行。我自己在实际项目里的习惯是每训完一版模型先在测试集上算出Rank-1和mAP记录在实验日志里然后立刻跑一次跨摄像头匹配的模拟测试——把两个摄像头的真实检测框录一段人工标注好对应关系用模型自动匹配看实际的误匹配率。从那以后我每次调完损失函数或者换了骨干网络都强制走一遍这个流程不只看指标数字还要看真实场景里的匹配效果。数值再好看匹配乱了都是白搭。希望帮到你。本文还有配套的精品资源点击获取
