本文介绍了几种常见的视觉跟踪方法，包括OpenCV自带的跟踪器、Dlib跟踪器、目标检测结合SORT算法以及YOLO3+DeepSORT组合。讨论了各方法的优缺点，如是否需要手动初始化、跟踪精度及是否需要训练数据等。特别提到了基于卡尔曼滤波的跟踪算法，并指出了部分方法的开源实现状态。
1 opencv 自带的跟踪器
需要在初始帧手动画框，指定跟踪目标。
有c++/python实现
将目标检测框的信息传递给跟踪，应该可以实现检测+跟踪，在git上还没找到工程实现
2 Dlib跟踪器，效果似乎不太好
3 目标检测+sort实现
不用训练，代码还没跑通
4 yolo3+deepsort
有开源的实现，已经跑通demo，但是作者是训练的行人外观特征，需要自己整理数据集训练。或者拿作者训练好的行人特征作为需要追踪目标的特征。待实现
这些方法中都是基于卡尔曼滤波
https://github.com/ZQPei/deep_sort_pytorch/issues/2
您可能感兴趣的与本文相关的镜像
Yolo-v5
YOLO（You Only Look Once）是一种流行的物体检测和图像分割模型，由华盛顿大学的Joseph Redmon 和Ali Farhadi 开发。 YOLO 于2015 年推出，因其高速和高精度而广受欢迎
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
扫一扫
