Update README.md

README.md

@@ -16,6 +16,7 @@
 
 # 项目运行：
 首先需要进行人物特征的导入，这是因为我临时加上了行人重识别，可一般的重识别模型都是在有参考视频的情况下进行的，所以……只好……运行PS/query_get进行图片的保存。截取的人物图片会保存在'PS/query'文件夹下，具体的配置文件在config中。之后运行demo即可。注意这里只允许不大于三人进行特征提取，其实这里应该不限制人数，但后来的徘徊检测已经固定死了。考虑到之后deep_sort还会为每个行人分配id,为了区分重识别人物的id,所以用负数和0进行标记。可以看到，这里将目标识别人物进行0，-1，-2标记。
+```python
     feats = {}
     feat = temp.get_feats()
     feats[0] = feat[0:2]
@@ -24,7 +25,8 @@
 
 PS下的temp文件是我将重识别模型的特征提取和特征匹配两个方法提取出来，整合成一个文件，这里也就是行人充实别的接口。
 newtracker文件是徘徊检测问价，也是最核心的文件。这里是逻辑的集大成者，也就是yolov5,deep_sort，reid和徘徊检测算法都在这里进行。
-plot_bboxes方法实现框和轨迹的绘制，update_tracker实现track_id的分配，并将结果输入到plot_bboxes方法，该方法中引用get_distance方法进行路程和位移的计算，并进行轨迹的保存，之后方便进行轨迹的绘画，当然轨迹是在提出警告后才开始进行保存绘制的。具体的内容还是参考[https://blog.csdn.net/qq_43521665/article/details/117223138?spm=1001.2014.3001.5501]这篇代码中也有一些细节，例如超出视频范围内的轨迹预测，这里用到的就是离开的帧数和运动的速度，在使用过程中也要记得速度的更新。
+plot_bboxes方法实现框和轨迹的绘制，update_tracker实现track_id的分配，并将结果输入到plot_bboxes方法，该方法中引用get_distance方法进行路程和位移的计算，并进行轨迹的保存，之后方便进行轨迹的绘画，当然轨迹是在提出警告后才开始进行保存绘制的。具体的内容还是参考[https://blog.csdn.net/qq_43521665/article/details/117223138?spm=1001.2014.3001.5501](https://blog.csdn.net/qq_43521665/article/details/117223138?spm=1001.2014.3001.5501)
+这篇代码中也有一些细节，例如超出视频范围内的轨迹预测，这里用到的就是离开的帧数和运动的速度，在使用过程中也要记得速度的更新。