无人驾驶感知篇之目标跟踪（十四）

刚跑步回来，趁着思路比较清晰，再更新一下。上一篇主要写了ECO目标跟踪算法，今天这篇主要写写DLT目标跟踪算法。

1.什么是DLT目标跟踪算法

     DLT算法，英文deep learning tracker，利用辅助图片数据预训练深度模型，在线跟踪时微调。

2.DLT目标跟踪算法原理

DLT目标跟踪算法原理可以分成三个步骤：

首先需要提前准备一个预训练模型，该模型主要用于训练，来提高模型的鲁棒性。

然后微调网络参数，通过目标位置选择，生成相应的正负样本，训练分类网络，这样有助于后面的处理；紧接着在后续帧，当所有粒子中最高的置信度低于阈值时，我们就可以判断出目标发生了较大的表观变化，说明当前的分类网络已经无法支持，须进行更新，此时可以把目标的位置作为正样本，其余作为负样本来进行更新。

最后对当前帧采用粒子滤波的方式提取一批候选框，将这些候选框分配到分类网络，置信度最高的即为目标的位置。

3.DLT目标跟踪算法优缺点

优点：对很多无法控制的场景下的跟踪效果较好，鲁棒性较好。

      缺点：不适合多目标且部分重叠下的场景。