2024年最新【目标跟踪】多目标跟踪sort （python 代码）_sort的航迹标识(2)

        [[1, 0, 0, 0, 1, 0, 0],
         [0, 1, 0, 0, 0, 1, 0],
         [0, 0, 1, 0, 0, 0, 1],
         [0, 0, 0, 1, 0, 0, 0],
         [0, 0, 0, 0, 1, 0, 0],
         [0, 0, 0, 0, 0, 1, 0],
         [0, 0, 0, 0, 0, 0, 1]])
    self.kf.H = np.array(
        [[1, 0, 0, 0, 0, 0, 0], [0, 1, 0, 0, 0, 0, 0], [0, 0, 1, 0, 0, 0, 0], [0, 0, 0, 1, 0, 0, 0]])

    self.kf.R[2:, 2:] \*= 10.
    self.kf.P[4:, 4:] \*= 1000.
    self.kf.P \*= 10.
    self.kf.Q[-1, -1] \*= 0.01
    self.kf.Q[4:, 4:] \*= 0.01

    self.kf.x[:4] = convert_bbox_to_z(bbox)
    self.time_since_update = 0
    self.id = KalmanBoxTracker.count
    KalmanBoxTracker.count += 1
    self.history = []
    self.hits = 0
    self.hit_streak = 0
    self.age = 0

def update(self, bbox):
    self.time_since_update = 0
    self.history = []
    self.hits += 1
    self.hit_streak += 1
    self.kf.update(convert_bbox_to_z(bbox))

def predict(self):
    if ((self.kf.x[6] + self.kf.x[2]) <= 0):
        self.kf.x[6] \*= 0.0
    self.kf.predict()
    self.age += 1
    if (self.time_since_update > 0):
        self.hit_streak = 0
    self.time_since_update += 1
    self.history.append(convert_x_to_bbox(self.kf.x))
    return self.history[-1]

def get\_state(self):
    return convert_x_to_bbox(self.kf.x)

def associate_detections_to_trackers(detections, trackers, iou_threshold=0.3):
if (len(trackers) == 0):
return np.empty((0, 2), dtype=int), np.arange(len(detections)), np.empty((0, 5), dtype=int)

iou_matrix = iou_batch(detections, trackers)

if min(iou_matrix.shape) > 0:
    a = (iou_matrix > iou_threshold).astype(np.int32)
    if a.sum(1).max() == 1 and a.sum(0).max() == 1:
        matched_indices = np.stack(np.where(a), axis=1)
    else:
        matched_indices = linear_assignment(-iou_matrix)
else:
    matched_indices = np.empty(shape=(0, 2))

unmatched_detections = []
for d, det in enumerate(detections):
    if (d not in matched_indices[:, 0]):
        unmatched_detections.append(d)
unmatched_trackers = []
for t, trk in enumerate(trackers):
    if (t not in matched_indices[:, 1]):
        unmatched_trackers.append(t)

matches = []
for m in matched_indices:
    if (iou_matrix[m[0], m[1]] < iou_threshold):
        unmatched_detections.append(m[0])
        unmatched_trackers.append(m[1])
    else:
        matches.append(m.reshape(1, 2))
if (len(matches) == 0):
    matches = np.empty((0, 2), dtype=int)
else:
    matches = np.concatenate(matches, axis=0)

return matches, np.array(unmatched_detections), np.array(unmatched_trackers)

class Sort(object):
def __init__(self, max_age=1, min_hits=3, iou_threshold=0.3):
self.max_age = max_age
self.min_hits = min_hits
self.iou_threshold = iou_threshold
self.trackers = []
self.frame_count = 0

def update(self, dets=np.empty((0, 5))):
    self.frame_count += 1
    # 根据上一帧航迹的框 预测当前帧的框.
    trks = np.zeros((len(self.trackers), 5))
    to_del = []
    ret = []
    for t, trk in enumerate(trks):
        pos = self.trackers[t].predict()[0]
        trk[:] = [pos[0], pos[1], pos[2], pos[3], 0]
        if np.any(np.isnan(pos)):
            to_del.append(t)
    trks = np.ma.compress_rows(np.ma.masked_invalid(trks))
    for t in reversed(to_del):
        self.trackers.pop(t)

    # 匈牙利匹配 上一帧预测框与当前帧检测框进行 iou 匹配
    matched, unmatched_dets, unmatched_trks = associate_detections_to_trackers(dets, trks, self.iou_threshold)

    # 如果匹配上 则更新修正当前检测框
    for m in matched:
        self.trackers[m[1]].update(dets[m[0], :])

    # 如果检测框未匹配上，则当作新目标，新起航迹
    for i in unmatched_dets:
        trk = KalmanBoxTracker(dets[i, :])
        self.trackers.append(trk)
    i = len(self.trackers)
    for trk in reversed(self.trackers):
        d = trk.get_state()[0]
        if (trk.time_since_update < 1) and (trk.hit_streak >= self.min_hits or self.frame_count <= self.min_hits):
            ret.append(np.concatenate((d, [trk.id + 1])).reshape(1, -1))
        i -= 1
        # 如果超过self.max\_age（3）帧都没有匹配上，则应该去除这个航迹
        if (trk.time_since_update > self.max_age):
            self.trackers.pop(i)
    if (len(ret) > 0):
        return np.concatenate(ret)
    return np.empty((0, 5))

if name == ‘__main__’:
display, video_save = True, True # 是否show,结果是否存视频
max_age, min_hits, iou_threshold = 3, 3, 0.3 # sort算法参数
colours = 255 * np.random.rand(32, 3) # 随机生产颜色
video = cv2.VideoWriter(“video.mp4”, cv2.VideoWriter_fourcc(‘m’, ‘p’, ‘4’, ‘v’), 10,
(1920, 1080)) if video_save else None
mot_tracker = Sort(max_age=max_age, min_hits=min_hits, iou_threshold=iou_threshold) # 创建sort跟踪器
seq_dets = np.loadtxt(“det.txt”, delimiter=‘,’) # 加载检测txt结果
for frame in range(int(seq_dets[:, 0].max())):
frame += 1 # 从1帧开始
dets = seq_dets[seq_dets[:, 0] == frame, 2:7]
dets[:, 2:4] += dets[:, 0:2] # [x1,y1,w,h] to [x1,y1,x2,y2] 左上角x1,y1，w，h ——>左上角x1,y1，右下角x2,y2
mot_tracker.update(dets) # kalman 预测与更新
trackers = mot_tracker.trackers
image_path = os.path.join(“.\img”, ‘%06d.jpg’ % (frame)) # 图片路径
image = cv2.imread(image_path)
for d in trackers:
x1, y1, w, h = d.get_state()[0] # 获取 当前目标框状态
id = d.id
color = colours[int(id) % 32, :]
color = (int(color[0]), int(color[1]), int(color[2]))
cv2.rectangle(image, (int(x1), int(y1)), (int(w), int(h)), color, 3) # 画框
cv2.putText(image, str(int(id)), (int(x1), int(y1) - 10), cv2.FONT_HERSHEY_SIMPLEX, 1,
color, 3) # 画id
if display:
cv2.namedWindow(“show”)
cv2.imshow(“show”, image)
cv2.waitKey(0)
if video_save:
video.write(image)

---


## 算法分析



> 
> * 优点：速度，快，很快，非常快。1s可以处理超过1000帧检测结果。
> * 缺点：对于遮挡、以及非线性运动的物体（加减速或者转弯）跟踪效果差
> * 优化方向：优化方式有很多，下次再写博客分享，如果有机会的话[鬼脸.jpg]。
> 
> 
> 
学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！



### 一、Python所有方向的学习路线



Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。



![](https://img-blog.csdnimg.cn/img_convert/9f49b566129f47b8a67243c1008edf79.png)



### 二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。



![](https://img-blog.csdnimg.cn/img_convert/8c4513c1a906b72cbf93031e6781512b.png)



### 三、全套PDF电子书



书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。

![](https://img-blog.csdnimg.cn/img_convert/46506ae54be168b93cf63939786134ca.png)



### 四、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。



![](https://img-blog.csdnimg.cn/afc935d834c5452090670f48eda180e0.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA56iL5bqP5aqb56eD56eD,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center)



### 五、实战案例



光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。



![](https://img-blog.csdnimg.cn/img_convert/252731a671c1fb70aad5355a2c5eeff0.png)



### 六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。



![](https://img-blog.csdnimg.cn/img_convert/6c361282296f86381401c05e862fe4e9.png)  

![](https://img-blog.csdnimg.cn/img_convert/d2d978bb523c810abca3abe69e09bc1a.png)




**网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

**[需要这份系统化学习资料的朋友，可以戳这里无偿获取](https://bbs.csdn.net/topics/618317507)**

**一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**