deepsort之YOLO系列目标跟踪及其他功能

---

一、ID switch是什么？

跟踪问题中最重要的就是数据关联（data association）问题，即关联2帧图像的bbox。
在sort中，存在的最大的问题就是ID switch。用过下面的图就很好理解了，我们目标检测算法、KF、匈牙利算法已经能够对不同运动对象进行ID的指派和跟踪，但是如果出现下边的A对象由左向右运动，B对象由上向下运动，碰巧的是A、B对象同时到达圆形区域内的C点，这时候就可能出现A、B对象的ID互换，这就是ID switch。deepsort的目的就是来降低ID switch的频率。

二、deepsort框架

deepsort的改进就是在原来sort的基础上给检测到的BBo训练了一个可以编码物体的128维的向量的CNN网络，并将这一向量融入损失矩阵的构造
从而使得匈牙利算法的匹配结果更加可靠。

二、deepsort需要的模型

1.目标检测器

目标检测器就是我常用的YOLO、SSD、FasterRcnn等目标检测模型，在针对不同的场景的时候需要我们去自定义模型。

2.目标跟踪器

目标跟踪器需要我们去训练一个ReID模型，ReID重识别算法本质上是一个多分类图像分类模型，输入行人的patch图，并提取特征，输出ID号。REID模型使用了Restnet50。从数据集中把人的图块裁剪出来，用于训练ReID 重识别模型。
下载MOT17多目标跟踪数据集
mot2coco.py 里边有数据集的信息

模型评估的一些参数

deepsort分别训练2个模型 并不是端到端的模型 准确度会有一定的下降，但是相比于sort，Deepsort 将ID switch 降低了45%

---