文章轉(zhuǎn)載于微信公眾號(hào):OpenCV學(xué)堂
作者:gloomyfish

DeepSort

對(duì)象跟蹤問(wèn)題一直是計(jì)算機(jī)視覺(jué)的熱點(diǎn)任務(wù)之一，簡(jiǎn)單的可以分為單目標(biāo)跟蹤與多目標(biāo)跟蹤，最常見(jiàn)的目標(biāo)跟蹤算法都是基于檢測(cè)的跟蹤算法，首先發(fā)現(xiàn)然后標(biāo)記，好的跟蹤算法必須具備REID的能力。今天小編斗膽給大家推薦一個(gè)結(jié)合傳統(tǒng)算法跟深度學(xué)習(xí)，特別好用的對(duì)象跟蹤算法框架DeepSort

DeepSort的核心思想主要分為兩塊，一塊可以簡(jiǎn)單稱(chēng)為Deep，另外一個(gè)可以稱(chēng)為Sort，背后的算法支持分別基于深度學(xué)習(xí)模型與卡爾曼濾波，是典型的結(jié)合深度學(xué)習(xí)與傳統(tǒng)方法的混合算法框架實(shí)現(xiàn)了比較穩(wěn)定的跟蹤效果。見(jiàn)得工作原理示意圖如下：

從輸入視頻流開(kāi)始，首先通過(guò)對(duì)象檢測(cè)算（YOLOv3）法實(shí)現(xiàn)對(duì)象檢測(cè)，然后基于檢測(cè)結(jié)果標(biāo)記利用DeepSort實(shí)現(xiàn)跟蹤。

Deepsort的相關(guān)論文如下:

https://arxiv.org/abs/1703.07402

Pytorch版本的代碼實(shí)現(xiàn)如下：

https://github.com/ZQPei/deep_sort_pytorch

代碼演示

獲取代碼

git clone https://github.com/ZQPei/deep_sort_pytorch

獲取代碼之后，還需要下載YOLOv3模型與Deep的t7模型，分別是

- yolov3.weights

然后 運(yùn)行下面命令行

python yolov3_deepsort.py D:/images/video/TownCentreXVID.avi –display

運(yùn)行結(jié)果如下：

我只能說(shuō)效果絕對(duì)靠譜！在我的1050Ti筆記本上測(cè)試通過(guò)！
君子藏器于身，待時(shí)而動(dòng)

推薦閱讀

• 低比特量化之DoreFa-Net理論與實(shí)踐
• NAS的挑戰(zhàn)和解決方案-一份全面的綜述
• CNN骨干網(wǎng)絡(luò)新選擇HS-ResNet