关键词：
对于目标跟踪，前提是能够对单张图片中的车辆进行检测，从而知道图片中车辆的位置，根据连续的图像中目标位置的轨迹预测，从而来实现跟踪。
跟踪的基本思想
如下图所示，设T1和T2是视频中连续的两帧图像， 如要在T2帧中跟踪T1中的红色框中的车辆，首先，在T2中进行车辆检测，检测到了三辆车，如黄色框所示；然后需要解决的问题是，要在T1中红色框和T2中黄色框之间建立关联，根据关联关系，确定T2中检测到的车哪辆是T1中的跟踪结果，并用该检测结果作为更新跟踪目标，进行后续T3时刻的跟踪。
在这类检测方法中，将视频理解成连续的图片，我们会发现，在视频中，车辆的位置是在连续变化的，如下图，如果我们持续将图中左侧汽车的检测框画出来，会发现红色框中的车辆一直在变化位置。
假设上图中的某一帧，因为光线影响或者图片质量为题造成红色小车在第315帧无法检测到，那么这一帧将会缺失检测框信息，但是会在320帧的时候重新被检测出来。
跟踪框与检测框
跟踪框：其实就相当与警察抓犯人，警察是跟踪框，犯人是检测框，警察去预测判断犯人的位置，从而去实现跟踪。
基本跟踪过程如下：
-
我们可以每帧知道检测框的位置
-
跟踪框会通过检测框当前帧的位置和运动状态，预测下一帧这辆车的位置
-
如果检测框与预测的跟踪框位置不同，要修正跟踪框的位置从而更好的对后面的跟踪框进行预测
然而我们要在这里理解的目标跟踪，并不完全等同于警匪片里的跟踪逃犯的概念，区别是：我们的警察追上了逃犯，他的任务就已经完成了；而跟踪框要尽量保证跟检测框位置的重合，从而更好的进行下一帧位置的预测。
检测框可以理解为是一个静态的概念，它主要针对单张图片找出明确车辆在其中的位置；跟踪框是一个动态的概念，关注的是连续视频流中图片之间汽车位置的关联
卡尔曼滤波算法—预测
卡尔曼滤波（Kalman filtering）是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。
首先我们给出卡尔曼滤波解决问题的场景和目标：卡尔曼滤波可以应用于有多个不同的观测数据，每个数据有一定的可靠程度时，我们希望能够得出尽量贴近真实情况的数据。卡尔曼滤波的一个典型实例是从一组有限的，包含噪声的，对物体位置的观察序列（可能有偏差）预测出物体的位置的坐标及速度。
以车辆举例，我们的车辆前方有一个障碍物，为了使距离测定更准确，我们有一个距离传感器获得车辆到前方障碍物的距离。
1） 在T1时刻，距离传感器告诉我们车辆距离前面障碍物的距离是10m。同时我们可以知道车辆速度是4m/s。为了简化问题，我们假设这两个数值是绝对准确的。
2） 在T2时刻（T1之后1秒），距离传稿器告诉我们当前距离障碍物的距离是7m。同时，在T2时刻，如果考虑到T1时刻我们的速度是4m/s，经过1s后我们应该从距离障碍物10m变成6m（10-4）。
于是，我们在T2时刻得到了两个数据：距离传感器告诉我们的结果7m，和我们通过计算的结果6m。
理想状况下，这个问题并不复杂：我们直接用距离传感器的数值不是就最准确了吗？但是现实是，距离传感器随着距离远近的不同，它的精确度是可能发生变化的；如果只是相信速度传感器，我们在1秒内的速度又不是绝对一致的。所以单独采用两者的任何一个都不够准确。因此如果我们希望T2时刻的结果更准确，我们最好将距离传感器的数值跟速度计算的数值做一下加权平均（予以不同的权重以算均值）。
例如，我们认为距离传感器的数值更加准确一些，认为它在T2时刻的准确度应该是90%，速度估算的值不够准确，因此给予80%的可信度。那么最终估计的距离结果就是：
这就是卡尔曼算法的主要思路：它将两个都不是那么可靠的方式做了融合，从而可以有效抵抗噪点等外部影响，得到相对准确的预测值。以T1时刻的最优的估计X_T1 为准，预测T2时刻的状态变量X_T2. 同时又对该状态进行观测得到观测变量Z_T2 ，再在预测和观测之间进行分析，或者说是以观测量对预测量进行修正，从而得到T2时刻的最优状态估计。
卡尔曼滤波算法目前已经应用于NASA（美国航空航天局）的阿波罗计划等计划中，用于进行飞行器的轨道预测等作用。它还有更多更广泛的使用场景。也许你会在你未来的某些应用场景中想到它并进行应用
简单来说，卡尔曼滤波算法就是根据你检测框的位置去预测目标在下一帧的位置，他是线性的
匈牙利算法----匹配
通过不断寻找增广路径的办法，寻找最大匹配数量。这就是匈牙利算法的主要思路
其实跟贪心算法差不多
我们有三样在售的食品，分别是面包、三明治、方便面。现在同时来了三个不同的客人A、B、C。其中A喜欢面包和三明治，B只喜欢面包，C只喜欢三明治：
对于车辆跟踪来说，就是将检测框与跟踪框（卡尔曼滤波预测出来的跟踪框）他们匹配起来，找到最优（最佳）的匹配，从而实现跟踪。
希望这篇文章对你有用！
谢谢点赞评论！
多目标跟踪算法|deepsort(代码片段)
前言本文分享多目标跟踪算法的经典算法DeepSort，它是一个两阶段的算法，达到实时跟踪效果，曾被应用于工业开发。DeepSort是基于Sort目标跟踪进行的改进，它引入深度学习模型，在实时目标跟踪过程中，... 查看详情
多目标跟踪(mot)--deepsort原理及代码详解(代码片段)
代码来源论文链接DeepSort1.MOT(Multi-ObjectTracking)简介2.DeepSort前身：Sort(SimpleOnlineAndRealtimeTracking)3.DeepSort总体框架(流程)3.1框架概要3.2流程分析4.DeepSort各模块讲解4.1目标检测模块4.1.1目标检测模型概述4.1.2Detection类解析4.2轨迹跟踪... 查看详情
视频实时行为检测——基于yolov5+deepsort+slowfast算法(代码片段)
...、核心功能设计二、核心实现步骤1.yolov5实现目标检测2.deepsort实现目标跟踪3.slowfast动作识别三、核心代码解析1.参数2.主函数3.将结果保存成视频总结前言前段时间打算做一个目标行为检测的项目，翻阅了大量资料，也借... 查看详情
视频实时行为检测——基于yolov5+deepsort+slowfast算法(代码片段)
...、核心功能设计二、核心实现步骤1.yolov5实现目标检测2.deepsort实现目标跟踪3.slowfast动作识别三、核心代码解析1.参数2.主函数3.将结果保存成视频总结前言前段时间打算做一个目标行为检测的项目，翻阅了大量资料，也借... 查看详情
deepsort目标跟踪算法(代码片段)
DeepSort目标跟踪算法是在Sort算法基础上改进的。首先介绍一下Sort算法Sort算法的核心便是卡尔曼滤波与匈牙利匹配算法卡尔曼滤波是一种通过运动特征来预测目标运动轨迹的算法其核心为五个公式，包含两个过程：其分为... 查看详情
多目标跟踪c++实现支持deepsort和bytetrack(代码片段)
多目标跟踪C++实现支持deepsort和bytetrackflyfish文章目录多目标跟踪C++实现支持deepsort和bytetrack前言deepsortv1.21使用方法deepsortv1.1版本更新说明依赖的库文件下载使用方法1onnxruntime2模型配置3主函数扩展方式前言代码采用C&#... 查看详情
目标跟踪实战deepsort+yolov5（上）
文章目录前言算法简介sort算法deepsort项目结构前言今天的主要目的还是快速上手目标跟踪，先前的话我是简单说了一下卡尔曼滤波，然后由于博客的问题，没有说完。本来是想做一个系列的，但是很难整理，... 查看详情
yoloyolov5+deepsort实现mot评估（开源数据集+自定义数据集）(代码片段)
引言YOLOv5+DeepSort实现目标跟踪，并利用MOTChallengeEvalKit实现多目标跟踪结果的评估。YOLOv5+DeepSort实现目标跟踪可以参考笔者的【YOLOv5】yolov5目标识别+DeepSort目标追踪实现步骤1安装MATLAB安装MATLABMATLAB是一款商业数学软... 查看详情
用c++部署yolov5+deepsort+tensorrt实现目标跟踪(代码片段)
...掘金创作之路。一、参考资料Jetson系列——基于yolov5和deepsort的多目标头部识别，跟踪，使用tensorrt和c++加速二、相关介绍2.1重要说明==该项目能部署在Jetson系列的产品，也能部署在X86服务器中。==2.2项目结构.├──assets│└─... 查看详情
深入浅出——零基础一文读懂deepsort(原理篇)(代码片段)
Intro本文是笔者对DeepSORT算法学习的阶段性总结，基于笔者接触到的所有开源学习资料，辅以个人理解进行重新编排而成，力求清晰，使非专业的读者也能迅速对该算法原理有较为透彻的理解，便于后续代码学... 查看详情
deepsort
...更稳定)策略，即基于目标检测的结果来进行目标跟踪。DeepSORT运用的就是这个策略，上面的视频是DeepSORT对人群进行跟踪的结果，每个bbox左上角的数字是用来标识某个人的唯一ID号。这里就有个问题，视频中不同时刻的同一个人... 查看详情
deepsort：论文翻译
文章目录摘要1、简介2、利用深度关联度量进行排序2.1、轨迹处理和状态估计2.3、匹配的级联2.4、深度外观描述符3、实验4、结论论文链接：https://arxiv.org/pdf/1703.07402.pdf摘要简单在线实时跟踪(SORT)是一种实用的多目标跟踪方法... 查看详情
sort+deepsort
SORT+DeepSORT1.简介1.1评价指标1.2SORT功能1.3DeepSORT功能1.4实现方案2.卡尔曼滤波（KalmanFilter:运动预测）3.匈牙利算法（HungarianAlgorithm:数据关联）3.1分配问题（AssignmentProblem）3.2匈牙利算法（又 查看详情
单目标跟踪--kcf算法(核化相关滤波算法)python实现(超详细)(代码片段)
...践已上传至GitHub，恳求大佬们指点！^_^1.目标检测跟踪与算法背景概述目标跟踪任务在许多的计算机视觉系统中都是极为关键的一个组成部分。对于任意给定的一个初始图像的Patch（Filter滑过的区域），目标... 查看详情
深度学习和目标检测系列教程21-300：deepsorts测试小车经过的时间和速度(代码片段)
@Author：RunsendeepDeepSortDeepSort是一种用于跟踪目标的模型，为每个目标分配ID，为每一个不同的类别分配label。在DeepSort中，过程如下。使用YOLO计算边界框（检测）使用Sort（卡尔曼滤波器）和ReID... 查看详情
基于yolov5的目标追踪（非yolov5+deepsort版）(代码片段)
...3源码地址1效果演示基于yolov5的目标跟踪（非yolov5+deepsort版）注：目标跟踪，全网都用的是。仅用 可以实现吗？可以。该视频效果实现的是手动暂停正在播放的视频，在画面中对待跟踪目标进行矩形框... 查看详情
目标跟踪基于kalman滤波跟踪视频运动目标matlab代码(代码片段)
...体的识别,定位,利用卡尔曼滤波算法对目标运动进行预测,跟踪,从而控制摄像头转动,跟踪目标物,使目标物体始终出现监控画面的中心.在此采用卡尔曼滤算法,进行目标运动的预估,利用Matlab对其仿真.仿真结果显示跟踪效果非常好,... 查看详情
深度学习和目标检测系列教程21-300：deepsorts测试小车经过的时间和速度(代码片段)
@Author：RunsendeepDeepSortDeepSort是一种用于跟踪目标的模型，为每个目标分配ID，为每一个不同的类别分配label。在DeepSort中，过程如下。使用YOLO计算边界框（检测）使用Sort（卡尔曼滤波器）和ReID... 查看详情