YOWOv2(yowov2)动作识别+Fastreid身份识别详细安装与实现

首先yowov2是一款简单且实时的时空动作检测方案，fastreid是行人重识别（身份识别）
- yowov2介绍链接直达
- fastreid链接直达
- 为时空动作检测任务设计实时框架仍然是一个挑战。YOWOv2 提出了一种新颖的实时动作检测框架，利用三维骨干和二维骨干进行准确的动作检测。经过改进，YOWOv2 明显优于 YOWO，并且仍然可以保持实时检测。YOWOv2 在数据集 UCF101-24 上以超过 20 FPS 的速度实现了 87.0% 的视频帧 mAP 和 52.8% 的全视频 mAP。在数据集 AVA 上，YOWOv2 在提速 20 FPS 的同时实现了 21.7% 的视频帧 mAP。
引入身份识别可以精确记录某个人的动作信息
效果图
- ui界面含有摄像头和视频检测, 同时右侧可以选择模型, 摄像头, 和是否使用CUDA
- 动作识别预览(弯腰和站立, 动作很多(摔倒动作,骑马动作都有, 如果需要自己训练动作,则自己制作ava数据集进行模型训练))
- 身份识别预览(左下角)身份识别 FastReID利用预训练的深度卷积神经网络（如ResNet、MobileNet等）作为基础模型，通过特征提取网络来提取图像中的行人特征。可以用来描述行人的外观特征、姿势等信息。并通过计算余弦相似度来度量在特征空间中度量行人之间的相似度。
详细实现：
- 首先创建YOWOv2环境，分为虚拟环境和Anaconda环境两种
- 先讲使用虚拟环境的，linux上主环境的是 python3.8,
  
  1 创建虚拟环境, 当前文件夹就会有一个yowov2-virtual的文件夹
```
python3 -m vene yowov2-virtual
```
  2, 激活环境
```
source yowov2-virtual/bin/activate 
```
  3, 安装环境(pytorch1.10.1和cuda10.2) (这个因为是外网的,需要梯子(不然很慢))
```
pip install torch==1.10.1+cu102 torchvision==0.11.2+cu102 -f https://download.pytorch.org/whl/cu102/torch_stable.html
```
  4. 进入项目安装依赖
```
pip install -r requirements.txt
```
  如果使用anaconda, 则
  
  1. 创建anaconda环境
```
conda create -n yowov2-fastreid python==3.8
```
  2. 然后激活环境(如果activate 不行, 则试试source)
```
conda activate yowov2-fastreid
```
  3. 与上面第三步一致之后再运行ui_main.py 启动ui界面
详细使用信息
- 视频已经上传到b站
  - B站视频链接直达
- 闲鱼链接直达