无人驾驶感知篇之目标跟踪（十八）

      终于快把目标跟踪写完了，目标跟踪相对检测还是挺复杂的。今天把目标跟踪的最后一篇算法写完，DeepTracking目标跟踪算法，该算法也是深度学习跟踪算法比较难的一种算法。

1.什么是DeepTracking目标跟踪算法

      DeepTracking目标跟踪算法不同于上一篇讲的RTT用RNN目标跟踪算法，RTT主要拿RNN来做序列关联，而DeepTracking则主要拿RNN来做序列关联的建模，从而实现了端到端的跟踪算法。

2.DeepTracking目标跟踪算法原理

DeepTracking目标跟踪算法主要步骤如下：

（1）引入了一个具有马尔可夫性质的隐变量 ht 。

（2）假设 Bt 为关于 ht 的信念(belief),对应于后验概率：Bel(ht) = P(yt|ht) 。

（3）运用经典贝叶斯跟踪框架时序更新进行转化。

可以用公式表示为：Bt = F(Bt-1,xt）和 P(ty|x1:t) = P(yt|Bt)。

其算法框架可以表示为：

 3.DeepTracking目标跟踪算法优缺点

优点： 结合了对RNN和贝叶斯框架融合的建模上；实现了端到端。

缺点：在实际场景运用起来比较复杂，需要长时间的调试。