Car_ReIdentification_Application

Technology Stack

• pytorch(视频检测和reid部分)
• pyqt(软件基本界面)

Network

• 流程图
  • 
• PS：车辆解析网络使用silverbulletmdc/PVEN: Parsing based vehicle ReID (github.com)项目中所训练的网络

UI design

• 界面概览

  1. 软件主窗口
  2. 设置界面

• 功能介绍

  • 已完成
    1. 载入视频
    2. 载入图片集
    3. 添加查询车辆
    4. 查看数据集
    5. 车辆重识别
    6. 可视化结果
    7. 打开原始图片
    8. 软件设置界面
  • 未完成
    1. 软件性能优化
    2. 重识别结果可视化优化
    3. UI美化

Workflow

1. 用户导入监控视频
   • 创建临时的数据集文件夹
   • 软件通过视频检测模块检测视频中的车辆，保存至临时文件夹中形成gallery数据集
2. 用户导入目标车辆图像
3. 重识别模块根据目标车辆图像在gallery数据集中找到正确的车辆，生成结果文件
4. 根据结果文件和用户进一步的筛选结果(color, Vtype)可视化最终结果

Development

1. 软件相关配置文件:app.conf
2. Qt样式表(QSS):
   1. 主界面：AppStyleSheet.css
   2. 设置界面：Config.css

Preparation

1. 下载重识别网络的权重并保存到配置文件所指定的位置
   • 颜色分类模型权重color_model.pth
   • 车型分类模型权重vehicle_type.pth
   • 车辆解析模型权重parsing_model.pth
   • veri776重识别模型权重veri776_reid.pth
   • 权重文件下载链接， 提取码：n1dh
2. 下载视频处理过程中目标检测所用到的模型权重
   • YOLO4目标检测模型权重yolo4_weights.pth
3. 设定好相应的PYTHON_PATH，将car_reid和video_process目录加入到PYTHON_PATH中

Running

1. python app.py

Evaluation

1. 在设置界面打开评估模式，依赖于正确的车辆id