• 什么是多目标追踪？ 
  • 在目标检测上，同一个目标在帧与帧之间并没有关联起来 
  • 要确定上一帧的A_1目标是不是下一帧的A_2目标，这里就要用到多目标跟踪。 
•  多目标追踪传输的是一个视频流 
  • 对于每一帧，需要检测目标并分配一个“对象 ID”
  • 在下一帧中，如果检测到相同的对象，则需要分配相同的对象 ID。 
• 有许多算法用于 MOT，如 SORT（简单在线实时跟踪）、DeepSort、StrongSort 等。 

• 关于 ByteTrack 与 DeepSort，他们各有限制 
  • ByteTrack：跟踪效果非常依赖检测的效果。检测器的效果好，跟踪也会取得不错的效果。 
  • DeepSort：使用了外观描述符和复杂的匹配算法，在某些复杂场景下计算量较大，影响实时性能。 

• 下面先展示使用香橙派aipro 的ByteTrack项目结果，后面再来解析具体算法
  • 因没做后处理独立进程处理，后处理时间可能较长，最终46fps左右

​ 

• ByteTrack的核心有以下几点
  • 使用低置信度检测框避免漏检和减少轨迹断裂
  • 使用卡尔曼滤波预测轨迹的位置
  • 通过IoU 特征距离计算预测框和检测框之间的相似性
  • 通过高置信度，低置信度，IOU相似度数据来分化不同目标
    • 如匹配成功的矩阵matchs，未匹配成功的跟踪目标u_track，未匹配成功的检测目标u_detection

• 卡尔曼滤波
  • 用预测的和观测的去更新 成为更新数据 
  • 用更新数据去预测 成为预测数据

​

• ​要实现上述目标，需要做下列工作
  • 安装Eigen，C++中可以用来调用并进行矩阵计算的一个库
  • 移植ByteTrack 核心 C++代码
  • 主main 嵌入调用 ByteTrack API
  • 构建 双向链表 定时机制进行核心框 中心点数据记录更新
  • 定时查验存续框数据，删除mark_removed的 中心点数据链表

• 使用MOT17数据进行验证