再次匹配:对于初次匹配中未能成功匹配的轨迹,ByteTrack算法会将其与低分中的检测结果进行再次匹配。这样做的目的是为了尽可能利用所有的检测结果,提高跟踪的准确性和鲁棒性。 新建和保留轨迹:对于未能匹配到任何检测结果的跟踪轨迹,ByteTrack算法会保留这些轨迹m帧(m是一个预设的帧数),等待这些轨迹再次出现时再进行匹配。
修改track.py中的参数如权重地址、rid模型地址和跟踪算法。具体如下所示: 修改完后可直接运行track.py,并在目录下生成run/track文件夹,该文件夹中保存了视频推理结果。
为了提高MOT的最先进性能,设计了一种简单而强大的跟踪器——ByteTrack,首次在MOT17测试集上实现了80.3 MOTA、77.3 IDF1和63.1 HOTA,在单个V100 GPU上运行速度为30 FPS。 BYTE BYTE是作者提出来的一种新的数据关联方法,是整篇论文最关键所在。区别于其他只对高置信度检测框进行数据关联的方法,BYTE几乎保留所有检测...
matches, u_track, u_detection = matching.linear_assignment(dists, thresh=self.args.match_thresh)#u_detection未匹配到的检测框,u_track未匹配到的跟踪轨迹 # 根据匹配到的检测框,更新参数 for itracked, idet in matches: #match是一个形如[(a,b),(),(),(),(),(),()]的列表,其中itracke代表...