DeepSORT with PyTorch

简介：
本项目采用PyTorch实现深度学习目标跟踪算法DeepSORT，结合了卡尔曼滤波和关联策略优化，适用于视频中的多目标追踪。 DeepSORT是一种广泛使用的目标跟踪算法，它结合了深度学习与传统目标跟踪技术的优点。其核心理念在于将深度学习得到的目标检测结果与传统的追踪方法相结合，以实现对连续帧中目标的持续追踪。该算法主要由两部分组成：目标检测和目标跟踪。 在进行目标检测时，DeepSORT采用现有的先进算法如YOLO或Faster R-CNN等来识别图像中的对象。而对于目标跟踪过程，则利用卡尔曼滤波器预测每个先前已标记的目标的位置，并通过匈牙利算法将这些位置与当前帧中新的检测结果相匹配。 具体而言，在处理每一幅新输入的视频帧时，DeepSORT首先使用上述提到的目标检测技术来识别图像中的所有对象。接着，对于每一个已被追踪的对象，系统会运用卡尔曼滤波器预测其在该时刻的位置。随后，通过匈牙利算法将这些位置与新的检测结果进行匹配，并为每个已知跟踪目标分配一个新检测到的对应物。 如果某些未被先前标记的目标出现在当前帧中，则它们会被视为全新的追踪对象并启动相应的卡尔曼滤波器预测流程；而那些长时间内没有出现的新旧目标则会从系统中移除。