【目标跟踪算法】Strong SORT多目标跟踪模型论文解析+代码详解

这篇具有很好参考价值的文章主要介绍了【目标跟踪算法】Strong SORT多目标跟踪模型论文解析+代码详解。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

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。
【目标跟踪算法】Strong SORT多目标跟踪模型论文解析+代码详解,深度学习,算法,目标跟踪,深度学习

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。

  1. 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。
  2. 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:
    【目标跟踪算法】Strong SORT多目标跟踪模型论文解析+代码详解,深度学习,算法,目标跟踪,深度学习
    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。

  1. 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。
    【目标跟踪算法】Strong SORT多目标跟踪模型论文解析+代码详解,深度学习,算法,目标跟踪,深度学习
  2. 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。
    【目标跟踪算法】Strong SORT多目标跟踪模型论文解析+代码详解,深度学习,算法,目标跟踪,深度学习

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。

  • 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!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 基于YOLOv8与DeepSORT实现多目标跟踪——算法与源码解析

    \\\"目标跟踪 (Object Tracking)\\\"是机器视觉领域中的一个重要研究领域。根据跟踪的目标数量,可以将其分为两大类:单目标跟踪 (Single Object Tracking,简称 SOT) 和多目标跟踪 (Multi Object Tracking,简称 MOT)。 多目标跟踪往往面临一些挑战,例如需要同时跟踪多个目标、目标可能频繁遮挡

    2024年02月05日
    浏览(52)
  • 基于yolo v5与Deep Sort进行车辆以及速度检测与目标跟踪实战

    项目实验结果展示: 基于yolo v5与Deep Sort进行车辆以及速度检测与目标跟踪实战——项目可以私聊 该项目可以作为毕业设计,以及企业级的项目开发,主要包含了车辆的目标检测、目标跟踪以及车辆的速度计算,同样可以进行二次开发。 这里附上主要的检测代码 项目需求+

    2024年02月14日
    浏览(54)
  • 基于FPGA的颜色模型和帧差法的目标检测跟踪算法实现

    目录 一、理论基础 二、核心程序 三、仿真结论          目标跟踪中,基础的差分法,存在较大的缺陷,比如目标静止状态,那么就无法检测,如果场景中,运动的物体非常多,那么就会出现检测混乱的情况,如果摄像机存在较为剧烈的抖动,同样会导致检测失败。然后

    2024年02月07日
    浏览(49)
  • 【Keras+计算机视觉+Tensorflow】实现基于YOLO和Deep Sort的目标检测与跟踪实战(附源码和数据集)

    需要源码和数据集请点赞关注收藏后评论区留言私信~~~         YOLO是端到端的物体检测深度卷积神经网络,YOLO可以一次性预测多个候选框,并直接在输出层回归物体位置区域和区域内物体所属类别,而Faster R-CNN仍然是采用R-CNN那种将物体位置区域框与物体分开训练的思想,

    2024年02月13日
    浏览(59)
  • 【单目3D目标检测】SMOKE论文解析与代码复现

    在正篇之前,有必要先了解一下yacs库,因为SMOKE源码的参数配置文件,都是基于yacs库建立起来的,不学看不懂啊!!!! yacs是一个用于定义和管理参数配置的库(例如用于训练模型的超参数或可配置模型超参数等)。yacs使用yaml文件来配置参数。另外,yacs是在py-fast -rcnn和

    2024年02月09日
    浏览(52)
  • OSTrack论文阅读分享(单目标跟踪)

    PS:好久没写csdn了,有点忙,但更多的是比较懒。 今天分享的论文是 OSTrack :Joint Feature Learning and Relation Modeling for Tracking: A One-Stream Framework 论文网址:https://arxiv.org/pdf/2203.11991.pdf GitHub网址:https://github.com/botaoye/OSTrack 单目标跟踪的相关背景就不详细展开。 双流两阶段架构

    2024年02月15日
    浏览(73)
  • 目标跟踪经典论文阅读(1)MOSSE

    虽然不常用,但相关滤波器可以通过旋转、遮挡和其他干扰来跟踪复杂的物体,其速度是目前最先进技术的20倍以上。最古老和最简单的相关滤波器使用简单的模板,通常在应用于跟踪时失败。更现代的方法,如ASEF和UMACE表现更好,但它们的培训需求不适合跟踪。视觉跟踪需

    2023年04月08日
    浏览(41)
  • 【单目3D目标检测】FCOS3D + PGD论文解析与代码复现

    本文对OpenMMLab在Monocular 3D detection领域做的两项工作FCOS3D和PGD(也被称作FCOS3D++)进行介绍。 在此之前,建议大家通过这篇博客:“3Dfy” A General 2D Detector: 纯视觉 3D 检测再思考,来回顾单目3D目标检测的更多细节。   Wang, T, Zhu, X, Pang, J, et al. Fcos3d: Fully convolutional one-stage mono

    2024年02月02日
    浏览(41)
  • NSGA-II:快速精英多目标遗传算法(论文+代码解读)

    按照本文梳理的算法各个模块实现,NSGA-II完整代码见GitHub - bujibujibiuwang/NSGA-II-in-python: 《A fast and elitist multi-objective genetic algorithm: NSGA-II》   目录 1.介绍 2. NSGA-II 2.1 快速非支配排序 2.1.1 NSGA的传统非支配排序 2.1.2 NSGA-II的快速非支配排序 2.2 多样性保护(Diversity Preservation) 2.2

    2023年04月16日
    浏览(74)
  • 【多目标追踪算法】多目标跟踪评价指标

    yolov5+deepsort 多目标跟踪算法实践 评价指标总览: 这种指标可以衡量算法跟踪目标的准确性。IDsw (ID switches)度量用于统计MOT算法在对象之间切换的次数。多目标跟踪精度(MOTA)指标将假阳性率、假阴性率和错配率组合成一个数字,为整体跟踪性能提供一个相当合理的数量。尽管

    2024年02月04日
    浏览(45)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包