Deep SORT论文解读-多目标跟踪监测
2022-03-08 13:11:31 0 举报
为你推荐
查看更多
Deep SORT论文解读-多目标跟踪监测
作者其他创作
大纲/内容
使用Hungarian算法对track和detect进行匹配，并返回匹配结果
确认track的状态正常
矩阵更新及后处理
input
对匹配对结果进行筛选，删去appearance较大匹配，即cosion distance过大的值对。
得到再次处理的matches，unmatched tracks 和unmatched detections
循环检测帧数
判断tracks的状态是否confirmed
将IOU distance大于阈值0.7对置为0.7，便于后续剔除
对匹配结果进行筛选，删去IOU较小的区域
non-max-suppression去除检测中重叠的bonding box
Bonding BoxFeatures
将cosine cost matrix中track和detection间平方马氏距离大于阈值（即不满足span class=\"equation-text\" contenteditable=\"false\" data-index=\"0\" data-equation=\
使用新的track，track ID以及track features来更新特征矩阵，方便下一帧计算
矩阵更新及后续处理
Matching Cascade
计算Kalman预测的每个track平均轨道的位置和实际detect的BBox间的平方马氏距离 cost matrix
IOUAssignment
得到初步的matches，unmatched tracks和unmatched detections
计算track candidate和unmatched detection之间的IOU distance
将只有一帧为匹配的track看做IOU的candidate，超过的视为unmatched track
Detection
判断是否需要删除track，即不满足confirm条件以及未匹配的数目超过了
计算Cost matrix此处只有cosine distance
初始化各个参数
对于unmatched detection重新分配新的ID
更新track对Kalman预测的新的均值和协方差
MatchingCascade
去掉detetion condidence小于0.7的detection
分配 Track indices 和Detection indices
0 条评论
回复 删除
下一页
