DeepSort 解读

1 摘要

DeepSort是在Sort目标追踪基础上的改进。引入了在行人重识别数据集上离线训练的深度学习模型，在实时目标追踪过程中，提取目标的表观特征进行最近邻匹配，可以改善有遮挡情况下的目标追踪效果。同时，也减少了目标ID跳变的问题。

2 核心思想

算法的核心思想还是用一个传统的单假设追踪方法，方法使用了递归的卡尔曼滤波和逐帧的数据关联。

2.1 轨迹处理和状态估计

该部分的思路和sort很接近。

• 运动状态估计：

使用8个参数

来进行运动状态的描述，其中(u,v)是bounding box的中心坐标，r是长宽比，h表示高度。其余四个变量表示对应的在图像坐标系中的速度信息。使用一个基于常量速度模型和线性观测模型的标准kalman滤波器进行目标运动状态的预测，预测的结果为(u,v,r,h)。

• 目标的创建与移除
  对每一个追踪目标，记录自其上一次检测结果与追踪结果匹配之后的帧数$akak{a}_k$λ=0,Amax​=30
  ​
  和sort对比，好处是：

  • 减少了45%的ID switch；

  • 结合了深度外观信息，对遮挡目标的追踪效果大大提升；

  • FP的升高很多，文章中提出这主要是由于静态场景中detection的错误以及过长的允许丢失的track age所导致的（相对于SORT只用相邻帧进行匹配来说，Deep SORT允许高达30帧的丢失，而Kalman的等速运动模型没有改变，这主要造成了FP的升高）。

  • 20Hz，依旧实用；

  • 达到了state-of-art online tracking的效果。

  以下是deepsort的工作过程
  
  1.读取当前帧目标检测框的位置以及各检测框图像块的深度特征。（这里实际处理时要自己来提取）

  2 根据置信度对检测框过滤，对置信度不够高的检测框和特征予以删除

  3.对检测框进行非极大抑制，消除一个目标多个框（这里如果用python的接口，可以省去着一个环节）

  4 预测：使用kalman滤波预测目标在当前帧的位置

  转自：https://blog.csdn.net/cdknight_happy/article/details/79731981