典型的追踪算法介绍

1. Sort和Deep Sort

Sort和Deep Sort[9]是经典的追踪算法之一，算法原理流程图如下：

Detection:常用的检测网络，如Faster Rcnn、Yolov4、SSD等，可根据实际项目对精度或时间的要求挑选。本文复现时，上面的几种网络都有尝试，源代码使用了商汤的mmdetection框架下的cascade-rcnn，但项目考虑时间和精度，最终使用了Yolov4[3]作为检测来源。

ReID model:源代码使用了多重粒度网络（Mutiple Granularity Network）,是以Resnet50作为backbone，以Softmax_2048分支作为id特征。考虑到2048维特征过大，数据关联时，时间会比较长，所以一般项目上会采用MobileNetv2[4]作为主干网络，id特征维度可以下降到751，减少运算量。

Kalman Filter:卡尔曼滤波，预测confirmed id在下一帧的中心点位置以及box的size。

iou与余弦距离：用于计算数据匹配的代价矩阵。1-iou的值作为box间的距离值，余弦距离函数值作为id特征值间的距离。

Hungarian Algorithm:匈牙利匹配算法用于目标预测与目标检测的关联匹配，确定目标的轨迹。

相比之下，Sort算法比起Deep sort算法少了ReID model与余弦距离判断，所以ID切换的过于频繁，精度要低很多。速度几乎只取决于Detection模型的预测速度。如果对速度要求很高的，可以考虑用sort算法。