目标跟踪opencv模板匹配、sort和deepsort比较

​

opencv模板匹配

opencv的模板匹配是一种在图像中定位目标的方法，通过把输入图像在实际图像上逐像素滑动，计算特征相似性，以此来判断当前滑块图像所在位置是目标图像的概率。
有遮挡的情况下跟踪的bounding box会出现偏差

opencv 轮廓检测

轮廓检测也是图像处理中经常用到的。opencv 接口中使用findContours()函数来查找检测物体的轮廓。

sort

Sort算法需要先进行目标检测，然后根据目标检测的结果进行目标跟踪
SORT的跟踪精度和准确度比较高，但是容易导致ID切换，因为使用的关联指标只有在状态估计不确定性比较低的时候才精确，因此SORT会在有遮挡情况下的跟踪失效；

多目标跟踪中SORT算法的理解

SORT跟踪：从队列中获行人取检测框和置信度，采用SORT算法进行跟踪：把物体跟踪预测的BBox与物体检测的BBox关联，然后用对应的物体检测BBox代表成功跟踪的BBox结果。

（1）使用卡尔曼滤波预测每个目标在当前帧中的新位置，估计其边界框形状；
（2）由每个检测与现有目标的所有预测边界框之间的交并比（IoU）计算分配成本矩阵；
（3）使用匈牙利算法对分配进行优化求解；
（4）拒绝检测与目标重叠小于 IOUmin的分配。

其中，卡尔曼跟踪器联合了历史跟踪记录，调节历史box与本帧box的残差，更好的匹配跟踪id
​

deepsort

原团队发布了SORT的续作DeepSORT。
整体框架没有大改，还是延续了卡尔曼滤波加匈牙利算法的思路，在这个基础上增加了Deep Association Metric。Deep Association Metric其实就是在大型行人重识别网络上学习的一个行人鉴别网络。输出行人图片，输出一组向量，通过比对两个向量之间的距离，来判断两副输入图片是否是同一个行人。

此外还加入了外观信息（Appearance Information）以实现较长时间遮挡的目标跟踪。