文章轉載于微信公眾號:OpenCV學堂
作者:gloomyfish

DeepSort

對象跟蹤問題一直是計算機視覺的熱點任務之一，簡單的可以分為單目標跟蹤與多目標跟蹤，最常見的目標跟蹤算法都是基于檢測的跟蹤算法，首先發(fā)現(xiàn)然后標記，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結合傳統(tǒng)算法跟深度學習，特別好用的對象跟蹤算法框架DeepSort

DeepSort的核心思想主要分為兩塊，一塊可以簡單稱為Deep，另外一個可以稱為Sort，背后的算法支持分別基于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(tǒng)方法的混合算法框架實現(xiàn)了比較穩(wěn)定的跟蹤效果。見得工作原理示意圖如下：

從輸入視頻流開始，首先通過對象檢測算（YOLOv3）法實現(xiàn)對象檢測，然后基于檢測結果標記利用DeepSort實現(xiàn)跟蹤。

Deepsort的相關論文如下:

https://arxiv.org/abs/1703.07402

Pytorch版本的代碼實現(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 運行下面命令行

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

運行結果如下：

我只能說效果絕對靠譜！在我的1050Ti筆記本上測試通過！
君子藏器于身，待時而動

推薦閱讀

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