多目标跟踪：DeepSort算法解读

多目标跟踪：

DeepSort算法解读

SIMPLE ONLINE AND REALTIME TRACKING WITH A DEEP ASSOCIATION METRIC

论文：https://arxiv.org/pdf/1703.07402.pdf

代码：https://github.com/nwojke/deep_sort

概述

DeepSORT是SORT多目标跟踪算法的改进版本，设计了一种新的关联方式，提高了对长时间遮挡的对象追踪的准确率，减少了Id频繁切换的现象。

解决的问题：

tracking-by-detections是多目标跟踪算法的主流方式，流网络公式和概率图形模型的方式，把处理整个过程看作全局优化问题，但是不这种方式不适合online的任务。MHT、JPDAF基于逐帧的数据关联，但是计算代价较大，复杂度高。

SORT算法在传统算法的基础上，使用卡尔曼滤波处理每帧的关联性，利用匈牙利算法进行关联度量，使得其检测性能提升了几十倍。然而SORT算法的Id频繁切换的问题比较明显，也就是说SORT算法只适用于遮挡情况少的、运动比较稳定的对象。

DeepSort通过结合动作和外观信息的更准确的度量来实现关联度量，使用CNN网络提取特征，增加了对缺失和遮挡的鲁棒性，同时易于实现、高效，也适用于在线场景。

具体实现：