基于deepsort中匈牙利算法匹配对象的疑问和思考

最近学习deepsort，卡尔曼滤波预测图像目标的下一帧位置和速度等一系列状态信息，然后和这一帧的检测目标进行级联匹配（即考虑了马氏距离即运动数据和自身形状特征信息，这里把考虑形状信息和速度信息的匹配叫级联匹配，也就是第一个匹配），这里得到信息后匈牙利算法匹配得到阈值内匹配者，得到确实一致的目标框，以及多出来未匹配的检测框和跟踪框存储起来，再进行匈牙利算法进行IOU匹配，那么这时候匹配的对象是什么呢，看有的文章里写是前后两帧的目标框，但是包含了检测框和跟踪框，是匹配检测框还是跟踪框不得知，而跟踪算法其实就是匹配检测目标和跟踪目标的。（其实这里匹配的是unconfirmed和剩下的track和detection的匹配，下面会说）

注意，其实匹配算法是前后两帧意思是t-1和t时刻两帧，也就是卡尔曼上一帧预测的框和这一帧的检测框进行匹配，但是还有一个confirmed和unconfirmed的区别，说的是考虑刚被检测出来就认为是新的目标但是是前三帧的track，三帧都匹配成为确认态，。这些unconfirmed的track和第一次匹配失败的track，detection等进入匈牙利算法的IOU匹配进行第二轮匹配。

根据上面描述，

第二次匈牙利算法匹配的是unconfirmed的track，以及第一次级联匹配时候剩下来的部分。

刚刚看了一下，级联匹配（第一个匹配）包含了确认态从missing age0到70的匹配，并且按照丢失时间来确定谁优先匹配。

unconfirmed和tentative(试探性)表示出现新的检测框而没有对应跟踪框，则视为新目标，前三帧视作试探性的，前三帧不能全部检测到就会删除这个track。

confirmed指的是刚开始检测三帧内持续监测到的，虽然不一定后来七十帧内都匹配到的track，这部分和detection进行了级联匹配，时间优先给短期丢失的目标匹配，防止遮挡，不给unconfirmed进行级联匹配是认为确认态匹配成功的概率会大一点。然后再对unconfirmed和剩下的未匹配track的进行IOU匹配，得到相似矩阵后进行匈牙利算法分配。

并且未匹配成功的track也不能被卡尔曼滤波预测，只能一次次的进行匹配了。

其实并不复杂，但是容易混淆，仅做自学用。