DeepSORT是针对多目标跟踪的跟踪算法。有人可能会想，将传统的单目标跟踪算法直接用于多目标跟踪，一起对每一个目标进行单目标跟踪不可以吗？理论上似乎可行，但是实际应用中会发现，单纯的套用单目标跟踪算法用于多个目标进行跟踪的结果并不理想。至于有多不理想，举个栗子，把KCF用于多目标跟踪，结果就是KCF的帧率变低（初始帧框完后，后继帧中框出目标的速度极慢，完全跟不上目标的移动速度）；即便把极速的mosse用于多目标跟踪，结果也是不尽人意，精度大幅降低（更多的是把背景框出而不是目标）。
如何对多目标进行跟踪呢？
为什么选择与detection进行结合呢？
为什么不可以直接用detection进行多目标跟踪呢？
这是因为检测算法有时会出现漏检的情况，在跟踪算法中一旦跟踪丢了目标就很难再继续跟踪下去了。
如果遇到漏检的情况，将失去身份ID，而仅仅使用detection进行跟踪结果也并不理想，所以就提出了track+detection的多目标跟踪思路。这里需要提一句的是，对于跟踪，算法并不知道自己跟踪的目标内容是什么，它只负责跟踪，具体是什么并不需要知道，那么就会出现重识别（ReID）的问题：
什么是重识别？如上图，紫色框表示上一帧的目标track，黑框表示当前帧检测到的四个目标，上一帧的目标（紫）跟检测出来的四个目标（黑）中哪一个是同一个目标呢？这也是多目标跟踪要做的数据关联：上一时刻的目标，和当前时刻的目标，怎么匹配关联起来。实现策略有很多，思路就是训练一个网络使它最小化类内误差，最大化类间误差。
在目标跟踪中还会遇到一个问题就是身份变换（IDswitch）问题：
如上图：白色框表示track，蓝色框表示detection。图1中有四个ID：37,41,45,38。随着目标移动，ID41把ID38挡住（图4），detection检测不到ID38，而ID37如果刚好走到ID38原来的位置附近（从图片可以看出来，37走向和38走向是相对的，38被从右侧走到了左侧途中经过了遮挡，37从左侧走到了右侧可能也发生了遮挡），检测器可能会把37识别成38，把后继帧出现的38识别成37，从而导致身份变换。
DeepSort
在DeepSORT提出之前是SORT算法（SORT论文链接）,但是它对身份变换的问题，仅仅采取框和框之间距离的匹配方式，没有考虑框内的内容，所以容易发生身份变换，不过这个问题已经在2017年的论文中进行了解决,即DeepSORT。
若有收获，就点个赞吧
0 人点赞
