YPCRer — Pedestrian Re-Identification System Based on YOLOv8 and CLIP-ReID

📚 项目简介

YPCRer 是在 YoloSide v2 项目基础上进行的再开发，在原有的目标检测功能上进行改动。引入CLIP-ReID，新增了数据管理（增删改查）、行人重识别和任务记录功能。此次项目是为了学习目标检测和重识别技术，同时学习使用了QT的Pyside6进行桌面应用开发。我也有相关的资料可以找我QQ：1379239710。

✏️ 参考项目链接

CLIP-ReID 项目

源码链接：

界面功能等参考

链接：

YOLOv8

🎦 视频展示

💻 核心技术栈

后端：

  • 数据库：MySQL 8.0

前端

  • Pyside6

目标检测技术

  • YOLOv8

重识别技术

  • CLIP-ReId

🔨 开发环境

  • 操作系统：Windows 11
  • 集成开发工具：Pycharm
  • 版本控制工具：Git
  • 环境管理：Anaconda （Python 版本：3.11）

📊 代码架构

代码架构

☝️ 使用

  • 模型准备：下载CLIP-ReId和YOLOv8的模型（模型太大没有上传），要根据模型进行略微修改。
    因为clip-reid的模型太大了上传不了，所以项目的代码架构中reid-models这个文件夹没有需要自己创建，然后放入模型。
    模型的话需要你自己去上面参考项目CLIP-ReID 项目的主页下载,项目里面使用的是Market1501的模型（因为其它模型参数也不一样，需要自己修改参数才能跑其它模型）。
    image
  • 安装环境
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
conda create -n test(虚拟环境名称，可更换)
conda activate test

下面是安装pytorch，要先安装cuda（根据自己的电脑来，不会可以查教程）
(pytorch推荐2.1.0，尽量别上高版本，容易出错)
conda install pytorch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 pytorch-cuda=12.1 -c pytorch -c nvidia


pip install yacs
pip install timm
pip install scikit-image
pip install tqdm
pip install ftfy
pip install regex

下面的版本要对应（python为3.11.7版本，下面为适配的版本，版本不一样大概率报错）
pip install ultralytics==8.0.48
pip install pyside6==6.4.2

然后numpy下降到1.24版本
conda install numpy==1.24

然后安装mysql数据库，不会的搜百度

然后是安装pymysql
pip install pymysql

然后创建数据库，导入sql文件夹中的sql文件
往里面的表添加一些数据

🎀 界面展示

登录：

登录

主页：

主页

数据管理：

数据管理

目标检测：

目标检测

重识别：

重识别