视频 ReID 多路检测项目

利用 Jetson 平台上的 TensorRT YOLOv5 引擎与 ONNX ReID 特征模型，实现多路视频中的人物检索。仓库同时包含命令行脚本与现代化的 Flask Web 界面，方便调试、可视化与现场演示。

✨ 功能亮点

• 多路视频并行：独立 VideoReader 线程+队列缓冲，主推理线程串行使用单一 CUDA 上下文，避免资源冲突。
• YOLOv5 + ReID 级联：先做行人检测，再使用 OSNet ReID 向量与查询图库进行相似度匹配。
• 可视化界面：webapp/ 提供 Tailwind + 原生 JS 的控制台，可上传人物/视频、调整参数、查看 4 路实时 MJPEG 流。
• 参数热更新：置信度、IoU、ReID 阈值、最小框尺寸、轨迹长度、显示模式皆可在界面即时生效。
• 工具链：提供图片尺寸预处理脚本、示例查询图 (query/) 与示例视频 (video2/) 便于开箱体验。

📁 目录结构

project/
├── video_reid.py          # CLI 版本：三路视频批处理推理 + ReID 搜索
├── web/                   # 旧版 Flask Web（保留参考）
├── webapp/                # 当前使用的 Web 前端与 API 服务
│   ├── app.py             # 主 Flask 应用，复用 video_reid 的模型/推理逻辑
│   ├── templates/         # Tailwind UI（index.html）
│   ├── static/            # app.js、样式、前端逻辑
│   └── uploads/           # 运行时生成：videos/ & queries/
├── query/                 # 默认人物查询图片
├── video2/                # 示例监控视频片段
├── resize_image.py        # 图片等比例缩放/填充工具
├── yolov5s.engine         # TensorRT 引擎（batch=1）
├── libmyplugins.so        # YOLO 依赖的自定义 plugin
└── osnet_x0_25.onnx       # ReID 模型

🧩 运行前提

• 硬件：NVIDIA Jetson (已安装 JetPack/TensorRT) 或具备 CUDA 的 x86 设备。
• 系统：Ubuntu 18.04+/Jetson Linux。
• Python：3.6 及以上。
• 依赖库（pip / apt）：
  • flask, werkzeug, requests（web 界面）
  • opencv-python, numpy, Pillow
  • pycuda, tensorrt (JetPack 自带)
  • onnxruntime 或 onnxruntime-gpu
  • tqdm、dataclasses（Py3.6 环境已包含 backport）

若缺少 onnxruntime，ReID 功能会禁用；请运行 pip3 install onnxruntime.

📦 模型与素材

• yolov5s.engine：TensorRT 推理文件（需与 libmyplugins.so 配套）。
• osnet_x0_25.onnx：ONNX ReID 模型，默认走 TensorRT + CUDA EP。
• query/：示例人物图片，webapp 可一键导入。
• video2/：示例多路视频。

🚀 快速体验

1. 命令行批处理 (video_reid.py)

cd /home/ye/桌面/mount/Desktop/project
python3 video_reid.py \
  --stream1 video2/campus4-c0_40s.avi \
  --stream2 video2/campus4-c1_40s.avi \
  --stream3 video2/campus4-c2_40s.avi \
  --enable-reid --show --skip-frames 2

常用参数：

• --conf-thres / --nms-thres：检测阈值。
• --dist-thres：ReID 相似度阈值（越小越严格，默认 0.75）。
• --min-confidence / --min-box-size：过滤小框/低置信度误检。
• --streamX：可替换为 RTSP/摄像头 ID。

2. Web 可视化 (webapp/)

cd /home/ye/桌面/mount/Desktop/project/webapp
python3 app.py

浏览器访问 http://<Jetson-IP>:5000，典型流程：

1. 初始化模型：点击“初始化模型”，等待状态变为“运行中”。
2. 管理查询图片：上传人物照或“加载默认查询”，自带尺寸重排。
3. 上传视频：可同时添加 4 路，本地文件会保存到 webapp/uploads/videos/。
4. 调整参数：左侧滑块/输入框可修改 Conf / IoU / ReID 阈值、最小框、轨迹长度、显示模式。
5. 开始检测：选择通道点击“开始检测”，右侧视频墙会显示检测框与 ReID 命中；可随时“停止检测”或“清除视频”。
6. 状态恢复：界面轮询 /api/status，即使刷新页面也能恢复已上传的数据。

3. 图片批量缩放

python3 resize_image.py --dir query ./query_resized

或单图：

python3 resize_image.py path/to/img.jpg  # 输出到 img_256x128.jpg

🛠 常见问题

问题	可能原因 & 处理
parse_detection_params 未定义	确保运行的是 webapp/app.py 最新版本（函数为全局定义），必要时重启服务。
模型加载失败	检查 yolov5s.engine, libmyplugins.so, osnet_x0_25.onnx 是否位于项目根目录，路径区分大小写。
ReID 无命中	确认已上传/加载查询图，调低 ReID 阈值（例如 0.6）。
视频无法打开	上传路径需为 Jetson 可访问的绝对路径，或者在 webapp 中重新上传。
Web 页面无画面	检查浏览器控制台/Flask 日志；确认已点击“开始检测”并允许 MJPEG (某些浏览器需禁用拦截)。

🗂 其他说明

• web/ 目录保留了旧版本 Web UI，如无需要可忽略。
• uploads/ 在运行过程中自动生成，可定期清理历史视频/图片以节省空间。
• 如需自定义更多参数（如轨迹颜色、批大小），可直接修改 video_reid.py / webapp/app.py 内的默认常量。

欢迎根据部署环境继续扩展，例如接入 RTSP 摄像头、将结果发布到消息总线、或添加 PyQt5 桌面界面。祝使用愉快！