【计算机视觉+Tensorflow】SORT目标跟踪算法的讲解（图文解释 超详细）

觉得有帮助请点赞关注收藏~~~

一、目标跟踪简介

目标跟踪算法可以进行轨迹特征的分析和提取，以弥补目标检测的不足；有效地去除误检，提高检测精度，为进一步的行为分析提供基础。例如，在自动驾驶系统中，目标跟踪算法要对运动的车、行人等目标进行跟踪，根据运动轨迹对它们在未来的位置、速度等信息作出预判。

跟踪就是在视频的不同帧中定位某一目标，从算法的设计角度来说分为两个阶段

1：预测第S帧图像中目标A 目标B 在第S+N帧图像中可能出现的位置 即候选区域

2：第S+N帧的候选区域是否为第S帧图像中目标A 目标B 如果是则跟踪成功

二、SORT目标跟踪算法

对于多目标的SORT算法，目标跟踪算法是将各帧的目标检测结果分别赋予跟踪序号的过程，在不同视频帧出现的同一目标需要赋予相同的跟踪序号，算法流程图如下

下面对算法流程中介绍的卡尔曼滤波器和匈牙利算法进行详细介绍

1：卡尔曼滤波器

卡尔曼滤波器不需要存储大量的历史数据，只需要保留系统前一时刻的状态，根据系统的状态空间向量模型准确预测当前状态，该算法计算量小，在速度上占有优势，而且是一个纯时域的滤波器，占用内存小，在实际工程上应用广泛，是解决实时性问题的理想选择

卡尔曼滤波器流程分为两个步骤