【DeepSORT算法】系列之深度解读

DeepSORT算法

　　谈及DeepSORT算法之前，希望你对【SORT算法】系列之深度解读已经熟悉流程。如果还未理解SORT算法流程，建议先理解整个SORT算法流程。在解释DeepSORT算法之前，有一些相关算法希望先知悉一下。

1. 数据关联之KM算法，可以参考博客【学习总结匈牙利算法到KM算法】及其相关资料学习；

2. 状态滤波估计算法KalmanFilter，可以参考博客【OpenCV学习系列】之KalmanFilter或者【状态估计滤波学习系列】之ExtendKalmanFilter等相关资料学习；

3. SORT算法流程学习，可以参考博客【SORT算法】系列之深度解读及其相关资料进行学习；

4. 在熟悉上述相关算法后，推荐延伸理解一下数据关联概念，推荐阅读博客多目标追踪之数据关联进行学习；

　　如果你对上述列举算法熟悉之后，基本上DeepSORT算法相对比较容易很多。当然，在阅读完本文你也可以参考一下文末链接相关博文对DeepSORT算法解读。这些博文对我理解该DeepSORT算法也受益匪浅。

抛出一个问题，DeepSORT算法出现主要解决什么问题？

1. 相对于SORT算法改善目标跟踪过程中ID切换问题；

2. 通过神经网络学习出特征进行级联数据关联，提升关联准确性同时满足实时性要求；

DeepSORT算法流程图

在学习DeepSORT算法之前，我们先看看SORT算法的流程图，如下：

　　简单说下SORT算法流程，首先对Trackers使用卡尔曼滤波进行预测&#