文章目录
1. YOLOV5+Deepsort 实现多目标跟踪2. sort 目标跟踪3. Deepsort 目标跟踪3. Deepsort 代码讲解1. YOLOV5+Deepsort 实现多目标跟踪
其中检测器用YOLOV5训练好的权重；跟踪器用Deepsort训练的Reid权重；最终给出视频中每个目标行人的ID
result
sort= 卡尔曼（预测当前位置）+ 匈牙利 （关联预测框和目标）
Deepsort= ReID(提取特征)+ track（轨迹）+ 卡尔曼（预测当前位置）+ 匈牙利 （关联预测框和目标）
改进点:Deepsort是sort多目标跟踪算法的改进版本，设计了一种新的关联方式，提高了对长时间遮挡的对象追踪的准确率，减少了Id频繁切换的现象。 DeepSort中最大的特点是加入外观信息，借用了ReID领域模型来提取特征，减少了ID switch的次数。
2. sort 目标跟踪
sort论文解读
首先，第一帧检测到的框会变成Tracks轨迹。
对获取到的Tracks 用卡尔曼滤波器进行轨迹预测与第二帧获取到的检测框，用匈牙利算法进行IOU匹配，然后会得到3种结果，如图中所示，此时分为三种情况：
2.1Unmatched tracks预测的轨迹和第二帧检测到的框，用匈牙利算法配对后，没有匹配上，那么就删除这个轨迹。（说明这个目标从第二帧中消失了）
2.2Unmatched detctions检测到的框和预测的轨迹，用匈牙利算法匹配后，没有找到这个框的轨迹，那么为其分配新的轨迹（说明第二帧中出现了新的目标） 然后就是“2.2”路线 回到Tracks 去重复执行“1” “2”。
2.3matched tracks卡尔曼预测的框和检测的框匹配上了，则执行“2.3”，去进行卡尔曼滤波器的轨迹更新。 ，然后回到Tracks 去重复执行“1” “2”。
3. Deepsort 目标跟踪
deepsort论文解读
Deepsort运用的Tracking-by-Detecton策略，即基于目标检测的结果来进行目标跟踪。上面的视频是DeepSORT对人群进行跟踪的结果，每个bbox上方的数字是用来标识某人的唯一ID号。
注意：不确认态的Tracks和Detections连续匹配一定的次数后才可以转化成确认态。（3次） 确认态的Tracks必须和Detections连续失配一定次数（默认30次），才会被删除。
首先，初始化第一帧检测到的框为tracks。
3. 第一帧（不确认态）的tracks经过卡尔曼滤波器预测后，只有不确定态轨迹（因为是初始化的tracks）；
4. 与第二帧检测获取到的检测框进行用匈牙利算法进行匹配（IOU match），可以得到三种情况：
Unmatched tracks预测的轨迹和第二帧检测到的框，用匈牙利算法配对后，没有匹配上，（是不确认态 ，直接删除。确定态的话则要连续达到一定的次数（默认30次）才可以删除）
Unmatched detctions检测到的框和预测的轨迹，用匈牙利算法匹配后，没有找到这个框的轨迹，那么为其分配新的轨迹（说明第二帧中出现了新的目标）回到Tracks。
matched tracks卡尔曼预测的框和检测的框匹配上了， 就会去进行卡尔曼滤波器的轨迹更新。 [虽然匹配上了，但是其回到Tracks去进行卡尔曼滤波器更新时还是不确定态，因为不确认态的Tracks和Detections连续匹配一定的次数后才可以转化成确认态。(3次)]
5. 反复循环 2 步骤，直到出现确认态的Tracks或者视频帧结束。
出现确认态后：
6. 通过卡尔曼滤波预测其确认态的Tracks和不确认态的Tracks对应的框。
7. 将确认态的Tracks的框框和是Detections进行级联匹配，可以得到三种情况：
matched tracks匹配上了， 就会去进行卡尔曼滤波器的轨迹更新。
Unmatched tracks预测的轨迹和第二帧检测到的框，用匈牙利算法配对后，没有匹配上，Unmatched detctions检测到的框和预测的轨迹，用匈牙利算法匹配后，没有找到这个框的轨迹，这时将之前的不确认状态的Tracks和失配的Tracks一起和Unmatched Detections一一进行IOU匹配
8. 将 7 中得到的所有的代价矩阵作为匈牙利算法的输入，这时候我们得到三种情况：
matched tracks卡尔曼预测的框和检测的框匹配上了， 就会去进行卡尔曼滤波器的轨迹更新。
Unmatched tracks预测的轨迹和第二帧检测到的框，用匈牙利算法配对后，没有匹配上，（是不确认态 ，直接删除。确定态的话则要连续达到一定的次数（默认30次）才可以删除）
Unmatched detctions检测到的框和预测的轨迹，用匈牙利算法匹配后，没有找到这个框的轨迹，那么为其分配新的轨迹
反复循环，直到视频帧结束。
