超级会员免费看
本文介绍了目标跟踪的重要性，从目标跟踪的基本概念、方法到实际应用中的挑战，包括形态和尺度变化、遮挡消失等问题。文章详细阐述了目标跟踪的算法历史，从经典算法如光流法、Meanshift、粒子滤波到基于核相关滤波和深度学习的方法。还讨论了匈牙利算法在目标匹配中的应用以及不同的距离计算方法，如欧式距离、IOU匹配和外观相似度。
我以前以为是靠高帧率实现目标识别的，现在才意识到目标跟踪也扮演着重要的角色
1.目标跟踪问题简述
要实现跟踪，也就是需要了解前后帧之间的关系，那自然需要一个队列来保存这种前后关系。更进一步地讲，当目标检测算法识别出一个新的目标之后，我们需要记录该物体的路径（全部或者部分）；
问题也随之而来，如何判断是同一个目标呢。这里当然就需要一种算法。不论是2D还是3D的目标检测，最终的表现形式一般为bouding box，我们能做的也就是对bbox应用某个算法，满足一定条件时，认为其属于同一个目标；
一个很朴素的方法，就是计算两个bbox中心点的距离关系，最容易想到的就是计算均方误差 (MSE)。虽然简单，但是确实有效。接着，我们需要设定一个阈值，用来筛选出中心点距离较近的bbox，以此来认定为同一个目标。
当然，这只是最核心的地方，其余还有很多事情要做，大致归纳如下：
保存每个目标路径的队列
何时新增一个目标路径
什么情况下更新已有目标路径<
订阅专栏 解锁全文
1236
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
