DeepDriving | 多目标跟踪算法之DeepSORT

本文来源公众号“DeepDriving”，仅用于学术分享，侵权删，干货满满。

原文链接：多目标跟踪算法之DeepSORT

1 简介

上一篇文章DeepDriving | 多目标跟踪算法之SORT介绍了多目标跟踪算法SORT，该算法虽然速度很快，但是也存在ID切换频繁等问题。针对这些问题，作者时隔一年后又在文章《Simple Online and Realtime Tracking with a Deep Association Metric》中提出了DeepSORT算法。与SORT仅仅采用边界框的IOU作为匹配时的距离度量不同的是，DeepSORT采用一种更可靠的距离度量方法，该方法结合了物体的运动和外观信息，其中外观信息是通过一个在大规模行人重识别数据集上离线训练的CNN网络提取的。基于这些改进，DeepSORT提升了跟踪算法的鲁棒性，将ID切换率减少了45%，并同时保持容易部署、高效运行的优点。