目標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，特別好用的目標跟蹤算法框架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，首先通過目標檢測算(YOLOv3)法實現檢測，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- ckpt.t7

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！

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的yolov4用1050ti_简单粗暴的多目标跟踪神器 – DeepSort的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。