簡單粗暴的多對象目標跟蹤神器–DeepSort
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，首先發現然后標記，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方法的混合算法框架實現了比較穩定的跟蹤效果。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）法實現對象檢測，然后基于檢測結果標記利用DeepSort實現跟蹤。
Deepsort的相關論文如下:
https://arxiv.org/abs/1703.07402
Pytorch版本的代碼實現如下：
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
審核編輯：符乾江
聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用，如有內容侵權或者其他違規問題，請聯系本站處理。
舉報投訴
-
計算機視覺
+關注
關注
9文章
1715瀏覽量
47623 -
深度學習
+關注
關注
73文章
5598瀏覽量
124396
發布評論請先 登錄
相關推薦
熱點推薦
深入解析MAX6877/MAX6878/MAX6879：多電壓電源跟蹤器/排序器/監控器
深入解析MAX6877/MAX6878/MAX6879：多電壓電源跟蹤器/排序器/監控器 在電子系統設計中，電源管理是至關重要的一環。對于需要電壓跟蹤或排序的系統，一款性能出色的電源管理芯片能顯著
LTC2925：多電源跟蹤與排序控制器的全面解析
LTC2925：多電源跟蹤與排序控制器的全面解析 在電子設計領域，電源管理是至關重要的一環，尤其是對于多電源系統，如何實現電源的跟蹤和排序是工程師們經常面臨的挑戰。今天，我們就來深入探
基于FD-SST 的無人機目標跟蹤系統的設計與實現|技術集結
應用實現功能1.本應用基于睿擎派，實現了對無人機目標的實時跟蹤，并將跟蹤結果用于驅動兩軸轉臺完成自動指向。主要功能包括：使用FD-SST算法在視頻流中實時跟蹤無人機
【開發實例】基于GM-3568JHF開發板安裝OpenCV并使用視頻目標跟蹤 ( CamShift）
在計算機視覺領域，視頻目標跟蹤是一個非常重要的任務。視頻目標跟蹤廣泛應用于監控、自動駕駛、人機交互等多個領域。OpenCV提供了多種目標
24G人在感應雷達和24G目標軌跡跟蹤雷達的區別
24G人體存在感知雷達模塊和24G人體目標軌跡跟蹤雷達模塊都是人體感知雷達，那么在具體功能上和應用上面有什么差異呢？產品性能上的差異24G人體存在雷達功能定位：區分人體狀態(靜止/微動/運動)并輸出
【GM-3568JHF開發板免費體驗】OpenCV 視頻目標跟蹤 ( CamShift)
一、基本理論
在計算機視覺領域，視頻目標跟蹤是一個非常重要的任務。視頻目標跟蹤廣泛應用于監控、自動駕駛、人機交互等多個領域。OpenCV 提供了多種
發表于 08-09 13:19
基于RK3576開發板的yolov11-track多目標跟蹤部署教程
1.yolov11_track簡介(多目標跟蹤算法)YOLO11是UltralyticsYOLO系列實時物體檢測器的最新版本，重新定義了在尖端準確度、速度和效率方面的可能性。在前幾代YOLO版本
三坐標和激光跟蹤儀的不同之處
跟蹤儀基于球坐標系，通過激光束追蹤目標反射鏡（靶球），實時測量距離與角度，動態捕捉目標點坐標。支持無靶標掃描（如LeicaATS600）。特點：非接觸或輕接觸、動
給予多路復用器的多目標阻抗測量，測不準
我設計了一個arduino控制ADG32多路復用器進行目標切換的電路，用來切換不同的測量目標，現在發現，當所有測量目標都接上的時候，阻抗會降低且測量不準確（阻抗總體會降低且對阻抗變化不敏感，比如1號
發表于 06-11 15:50
基于LockAI視覺識別模塊：C++目標檢測
檢測是計算機視覺領域中的一個關鍵任務，它不僅需要識別圖像中存在哪些對象，還需要定位這些對象的位置。具體來說，目標檢測算法會輸出每個檢測到的對象的邊界框（Bounding Box）以及其
發表于 06-06 14:43
CCLINKIE轉PROFINET：電機的“網絡沖浪神器”！
PROFINET的大家庭。有了它，電機就像裝上了“智能小馬達”，和其他設備的配合那叫一個默契，生產效率直接“起飛”！
在這里，我必須給大家推薦一款“神器”——耐達訊NY-N831 -CCLINKIE網關。這
發表于 05-28 15:21
陸上目標智能識別系統軟件：前沿技術驅動下的多領域應用解析
智慧華盛恒輝陸上目標智能識別系統軟件：前沿技術驅動下的多領域應用解析 陸上目標智能識別系統軟件，作為專為識別與分類陸地上各類目標而精心打造的軟件體系，正憑借其卓越的性能在眾多領域發揮關
無人機低延時目標跟蹤識別智算系統
本帖最后由 jf_42060524 于 2025-3-6 15:50 編輯
產品介紹：
本產品應用在復雜戰場背景下，面向對地查打一體場景中，在無人機與打擊目標高動態運動且存在戰場強干擾條件下
發表于 03-06 15:48
使用RTSP攝像頭執行多攝像頭多目標Python演示，缺少輸出幀是怎么回事？
使用 RTSP 攝像頭執行 多攝像頭多目標 Python 演示 。
現場視頻每 5 秒出現一次啟動和抖動，但幀缺失。
輸出生產低 FPS （1 至 0.3 FPS）。
人員檢測發生在各種位置，因為實時視頻缺少幀。
發表于 03-06 07:55
工商網監
評論