開源項目（9-0）綜述--基於深度學習的目標跟蹤sort與deep-sort

 

基於深度學習的目標跟蹤sort與deep-sort

 https://github.com/Ewenwan/MVision/tree/master/3D_Object_Detection/Object_Tracking

 

 1 論文和源碼地址

SORT：

論文地址：http://arxiv.org/pdf/1602.00763.pdf

python代碼地址：https://github.com/abewley/sort

 

前景提取獲取目標框ID  C++版本： 

 https://github.com/ngthanhtin/Muiltiple-Object-Tracking/tree/master/MOT-MAIN/MOT_Image_Subtraction/MOT_Image_Subtraction

從txt讀取目標框信息版本的c++

 https://github.com/mcximing/sort-cpp/tree/master/sort-c%2B%2B

（沒有數據集）

https://github.com/mcximing/sort-cpp

此代碼已在Windows上使用Visual Studio Community 2013 + OpenCV 2.4.8進行了測試

原始Python代碼和發布信息可在https://github.com/abewley/sort, Alex Bewley找到了

 

 

deep-SORT：

論文地址：https://arxiv.org/pdf/1703.07402.pdf

代碼鏈接：https://github.com/nwojke/deep_sort

數據集：https://motchallenge.net/vis/PETS09-S2L1/gt/

2 用來干什么？

https://blog.csdn.net/Scwabc_123/article/details/89110633

 

SORT跟蹤算法到底在干什么？（以單目標跟蹤為例說明如下）

• 假設T1時刻成功跟蹤了某個單個物體，ID為1，繪制物體跟蹤BBox（紫色）
• T2時刻物體檢測BBox總共有4個（黑色），預測T2時刻物體跟蹤的BBox（紫色）有1個，解決紫色物體跟蹤BBox如何與黑色物體檢測BBox關聯的算法，就是SORT物體跟蹤算法要解決的核心問題
• SORT關聯兩個BBox的核心算法是：用IOU計算Bbox之間的距離 + 匈牙利算法選擇最優關聯結果