簡單粗暴的多目標跟蹤神器 – DeepSort

本文轉載自OpenCV學堂

DeepSort

目標跟蹤問題一直是計算機視覺的熱點任務之一，簡單的能夠分爲單目標跟蹤與多目標跟蹤，最多見的目標跟蹤算法都是基於檢測的跟蹤算法，首先發現而後標記，好的跟蹤算法必須具有REID的能力。

今天小編斗膽給你們推薦一個結合傳統算法跟深度學習，特別好用的目標跟蹤算法框架DeepSort

DeepSort的核心思想主要分爲兩塊，一塊能夠簡單稱爲Deep，另一個能夠稱爲Sort，背後的算法支持分別基於深度學習模型與卡爾曼濾波，是典型的結合深度學習與傳統方法的混合算法框架實現了比較穩定的跟蹤效果。見得工做原理示意圖以下：

從輸入視頻流開始，首先經過目標檢測算（YOLOv3）法實現檢測，而後基於檢測結果標記利用DeepSort實現跟蹤。

DeepSort的相關論文以下:

https://arxiv.org/abs/1703.07402

Pytorch版本的代碼實現以下：

https://github.com/ZQPei/deep_sort_pytorch

代碼演示

獲取代碼

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

獲取代碼以後，還須要下載YOLOv3模型與Deep的t7模型，分別是

- yolov3.weights- ckpt.t7

而後運行下面命令行

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

運行結果以下：

我只能說效果絕對靠譜！在個人1050Ti筆記本上測試經過！

END

備註：跟蹤

目標跟蹤交流羣

目標跟蹤、視覺跟蹤等更多最新技術，

若已爲CV君其餘帳號好友請直接私信。

我愛計算機視覺

微信號:aicvml

QQ羣:805388940

微博知乎:@我愛計算機視覺

投稿:amos@52cv.net

網站:www.52cv.net

在看，讓更多人看到  

本文分享自微信公衆號 - 我愛計算機視覺（aicvml）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。