目标跟踪心得篇二：ByteTrack原理及其在MMTracking上的代码逐行分析（本文顺带分析MMTracking相关难点，后期不在赘述）

要学习ByteTrack，首先得了解其名字是怎么来的：这个工作是一个学生在字节实习的时候提出来的算法，因此就以Byte这个单词来命名，可能从名字上没有太直观的含义来体现出这个算法在干嘛。

---

ByteTrack是基于TBD范式提出来的跟踪算法，作者的work就是提出来了一种数据关联方法（name叫BYTE），它和主流的SORT类算法的区别在于：ByteTrack不会简单的去掉低分结果（detection得到的score），而是从低分框里挖掘一些有用的信息，这样就可以捞回一些之前被丢弃的结果，因此在小目标和遮挡的场景中表现会更好。

其步骤也很简单，分为4步：

• 1. 将detection得到的score分为高分框和低分框，即存在一个可以修改的阈值，来划分框的类别。
• 2. 拿高分框和之前的轨迹进行匹配（对于高分框，则该观测值可信度高，更有可能是一个真实的物体而非奇奇怪怪的背景或噪声）。
• 3. 拿低分框和上一步没有匹配到的轨迹再进行一次匹配，即匹配第二步剩下的东西。