1. Strong SORT算法的背景和概述
Strong SORT算法基于经典的Deep SORT模型,并从目标检测模型、表征特征模型和匹配算法等各个方面对其进行了升级优化。
1.1 表观特征分支的优化算法
对于Strong SORT算法的表观特征分支部分,主要是进行了2方面的优化,一是优化了特征提取器的能力,二是利用了EMA(Exponential moving average)特征更新策略从而取代Deep SORT算法中的特征库。
- Strong SORT使用了更强大的表观特征提取器BoT来代替原来简单的CNN网络。以ResNeSt50作为主干并在DukeMTMC-reID数据集上进行预训练,该表观特征提取器可以提取更多的判别特征。
- 此外,将特征库替换为EMA(Exponential moving average)特征更新策略。对于轨迹
i
在第t
帧的表观特征如下:
EMA特征更新策略不仅仅增强了匹配的质量,同时也节省了匹配的时间,不再需要和特征库(通常是1条轨迹保留近100个特征向量组成)相匹配。
1.2 运动模型分支的优化算法
对于Strong SORT算法的运动模型分支部分,主要是进行了2方面的优化,一是采用ECC算法(Enhanced Correlation Coefficient)进行了摄像机运动补偿,二是使用了NSA卡尔曼算法取代了传统的卡尔曼算法。
- ECC算法(Enhanced Correlation Coefficient)
ECC算法全名是增强相关系数算法,这个算法是适用于图像配准任务的。也就是对于两张内容差异小,但是存在光照、尺度、颜色、平移等变换影响的图像,将二者对齐。
- NSA卡尔曼滤波算法
在Deep SORT中,基于线性运动假设的卡尔曼滤波器用于对物体运动进行建模。它由状态估计步骤和状态更新步骤组成。卡尔曼滤波器先产生当前状态变量的估计,以及它们的不确定性。然后用估计状态和测量值的加权平均值更新这些估计值。
2. StrongSORT代码详解
-
此文章是对mikel-brostrom代码仓的StrongSORT代码进行详解;
-
具体代码分析请参考StrongSORT(deepsort强化版)浅实战+代码解析这篇博客,介绍的很清晰。文章来源:https://www.toymoban.com/news/detail-656449.html
-
注意调用过程StrongSORT类–> Tracker类–>Track类–>KalmanFilter类文章来源地址https://www.toymoban.com/news/detail-656449.html
到了这里,关于【目标跟踪算法】Strong SORT多目标跟踪模型论文解析+代码详解的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!