yolov3-deepsort多目标追踪工程detection的替换，将yolov3替换成retinanet

一.yolov3+deepsort的介绍

1.多目标追踪yolov3+deepsort

yolov3+deepsort多目标追踪整体效果还不错，基本可以达到实时，yolov3主要用作于检测目标，deepsort的采用级联匹配算法，在sort算法的基础上添加马氏距离和余弦距离并添加深度学习特征进行尺度的衡量。但是该工程的detection部分仅限于yolov3，detection部分替换成其他目标检测框架很容易，本片博客讲解如何将yolov3替换成其他检测框架。

二.detection部分替换

detection部分在该工程中只返回了一个bbox，在demo.py中如下：
该boxes是yolov3识别结果返回，将返回的正常坐标【xmin ymin xmax ymax】转换成【ymin xmin w h】，注意这里返回的是ymin和xmin，转换过程在yolo.py中进行、

我们只需将detection替换掉即可

1.detection返回的bbox处理

按照yolo.py文件对keras-yolov3的返回结果bbox进行处理，将处理好的boxes传回Detection类中，结果如图所示

按照此格式更改，就能完成任意目标检测的框架与deeepsort相结合。