人臉跟蹤 sort多目標跟蹤

多目標跟蹤中sort演算法的理解

在跟蹤之前，對所有目標已經完成檢測，實現了特徵建模過程。

1. 第一幀進來時，以檢測到的目標初始化並建立新的***，標註id。

2. 後面幀進來時，先到卡爾曼濾波器中得到由前面幀box產生的狀態**和協方差**。求***所有目標狀態**與本幀檢測的box的iou，通過匈牙利指派演算法得到iou最大的唯一匹配（資料關聯部分），再去掉匹配值小於iou_threshold的匹配對。

3. 用本幀中匹配到的目標檢測box去更新卡爾曼***，計算卡爾曼增益、狀態更新和協方差更新，並將狀態更新值輸出，作為本幀的跟蹤box。對於本幀中沒有匹配到的目標重新初始化***。

其中，卡爾曼***聯合了歷史跟蹤記錄，調節歷史box與本幀box的殘差，更好的匹配跟蹤id

文章概述

本方法最大的特點是高效地實現了基於faster-rcnn的detection並使用kalman濾波以及 hungarian演算法進行跟蹤。提高了speed同時達到了comparable state-of-the-art的accuracy。

文章觀點

文章方法

將tracking物件狀態傳播到未來的幀中(主要使用卡爾曼濾波以及線性速度的假設)，將當前的檢測與現有的物件相關聯，並管理被跟蹤物件的age。

1. 目標檢測

使用faster-rcnn進行detection,文章通過對比來說明detection的質量對後續的tracking至關重要。

2. 估計模型

3. 資料組合

4. track的建立和刪除

文章結果

文章結果還是挺不錯的，mota也接近state-of-the-art，速度方面在 i7 2.5ghz的機器上可以達到260hz的速度，能夠滿足實時性的要求。但是由於**模型和iou distance的限制導致 id switch相對於其他方法高了許多。