FastMOT: 结合YOLO、DeepSORT 和光流的高效多目标追踪方法

简介：
FastMOT是一种结合了YOLO检测器和DeepSORT跟踪算法，并融入光流技术的高效多目标跟踪解决方案。 FastMOT是一个自定义的多对象跟踪器，在Ubuntu 18.04上提供Docker容器支持，并实现以下功能： - Scaled-YOLOv4模型（2021年1月3日更新） - YOLO探测器与SSD检测器结合使用 - 深度SORT + OSNet ReID 和 KLT光流跟踪技术 - 相机运动补偿 深度学习模型通常是Deep SORT算法的瓶颈，这使得Deep SORT无法用于实时应用。FastMOT显著加快了整个系统的处理速度，并提供了足够的灵活性来调整速度和精度之间的权衡，而无需使用轻量级模型。 为了实现更快的处理速度，FastMOT仅每N帧运行一次检测器和特征提取器。通过利用光流技术填充间隙，从而提高跟踪性能。YOLOv4在CrowdHuman数据集上进行了训练（mAP@0.5为82%），而SSD则采用TensorFlow实现。 此外，在模型中还加入了DIoU-NMS改进算法以提升MOTA指标(+1%)。