山东青岛68元建网站,商店网站在线设计,微信小程序企业网站,怎么修改网站域名SORT算法
Simple Online and Realtime Tracking(SORT)是一个非常简单、有效、实用的多目标跟踪算法。在SORT中#xff0c;仅仅通过IOU来进行匹配虽然速度非常快#xff0c;但是ID switch依然非常严重。
SORT最大特点是基于Faster RCNN的目标检测方法#xff0c;并利用卡尔…SORT算法
Simple Online and Realtime Tracking(SORT)是一个非常简单、有效、实用的多目标跟踪算法。在SORT中仅仅通过IOU来进行匹配虽然速度非常快但是ID switch依然非常严重。
SORT最大特点是基于Faster RCNN的目标检测方法并利用卡尔曼滤波算法与匈牙利算法极大提高了多目标跟踪的速度。 SORT算法核心就是卡尔曼滤波和匈牙利算法
卡尔曼滤波
卡尔曼滤波被广泛应用于无人机、自动驾驶、卫星导航等领域简单来说其作用就是基于传感器的测量值来更新预测值以达到更精确的估计。 假设我们要跟踪位置变化如下图所示蓝色的分布是卡尔曼滤波预测值红色的分布是传感器的测量值黄色的分布就是预测值基于测量值更新后的最优估计。
匈牙利算法
匈牙利算法解决的是一个分配问题在多目标跟踪主要步骤中的计算相似度的得到了前后两帧的相似度矩阵。匈牙利算法就是通过求解这个相似度矩阵从而解决前后两帧真正匹配的目标。
SORT核心算法流程 Detections是通过目标检测器得到的目标框Tracks是轨迹信息。核心是匹配的过程与卡尔曼滤波的预测和更新过程。
SORT算法的工作流程如下
目标检测器得到目标框Detections同时卡尔曼滤波器预测当前的帧的Tracks, 然后将Detections和Tracks进行IOU匹配最终得到的结果分为
Unmatched Tracks这部分被认为是失配Detection和Track无法匹配如果失配持续了T次该目标ID将从待跟踪目标中删除。Unmatched Detections, 这部分说明没有任意一个Track能匹配Detection, 所以要为这个detection分配一个新的track。Matched Track这部分说明得到了匹配。
卡尔曼滤波可以根据Tracks状态预测下一帧的目标框状态。卡尔曼滤波更新是对观测值(匹配上的Track)和估计值更新所有track的状态。
总结
作者使用了Faster RCNN来进行模型的检测并使用Kalman滤波预测状态基于检测框位置和IOU的匈牙利算法使得算法有很高的效率但是这么频繁的ID切换在实际应用中跟踪的价值会大打折扣
