问如何创建具有重新识别功能的人员跟踪模型？

EN

虽然YOLOv4可以检测图像/视频流中的人，但我认为它在您的情况下可能太通用了。当一个人离开框架又回来时，理想情况下，模型应该记得以前见过这个人。

解决这个问题的一种方法是对你想要检测的人的图像进行训练。

例如，在像你这样的系统中，你可以从不同的角度拍摄多张你想要跟踪的人的图像，并使用他们的唯一标识符对他们进行标记。然后，您可以使用此数据训练模型(用于下游任务)。理想情况下，这将为检测和跟踪具有唯一标识符的人员提供更具体的结果，而不是按原样使用YOLOv4时的一般人员检测。

也就是说，我明白在某些情况下，拍摄大量的人的照片可能是不实际的。在这种情况下，您可能需要考虑使用最少数据生成准确结果的技术，如域自适应(https://arxiv.org/abs/1812.11806)。但是，在用于跟踪和检测人员的应用程序中，我假设您希望最大限度地减少错误分类。因此，您可以说这始终是一种权衡。

您可以在本文中找到有关处理数据不足的更多信息：(https://www.kdnuggets.com/2019/06/5-ways-lack-data-machine-learning.html)

然而，我认为对于重新识别模型来说，这是一个更好的起点：(https://github.com/KaiyangZhou/deep-person-reid)它有大量的文档可以让您入门。