文章轉(zhuǎn)載于微信公眾號:OpenCV學堂
作者:gloomyfish
DeepSort
對象跟蹤問題一直是計算機視覺的熱點任務之一,簡單的可以分為單目標跟蹤與多目標跟蹤,最常見的目標跟蹤算法都是基于檢測的跟蹤算法,首先發(fā)現(xiàn)然后標記,好的跟蹤算法必須具備REID的能力。今天小編斗膽給大家推薦一個結(jié)合傳統(tǒng)算法跟深度學習,特別好用的對象跟蹤算法框架DeepSort
DeepSort的核心思想主要分為兩塊,一塊可以簡單稱為Deep,另外一個可以稱為Sort,背后的算法支持分別基于深度學習模型與卡爾曼濾波,是典型的結(jié)合深度學習與傳統(tǒng)方法的混合算法框架實現(xiàn)了比較穩(wěn)定的跟蹤效果。見得工作原理示意圖如下:
從輸入視頻流開始,首先通過對象檢測算(YOLOv3)法實現(xiàn)對象檢測,然后基于檢測結(jié)果標記利用DeepSort實現(xiàn)跟蹤。
Deepsort的相關論文如下:
https://arxiv.org/abs/1703.07402
Pytorch版本的代碼實現(xiàn)如下:
https://github.com/ZQPei/deep_sort_pytorch
代碼演示
獲取代碼
git clone https://github.com/ZQPei/deep_sort_pytorch
獲取代碼之后,還需要下載YOLOv3模型與Deep的t7模型,分別是
- yolov3.weights
然后 運行下面命令行
python yolov3_deepsort.py D:/images/video/TownCentreXVID.avi –display
運行結(jié)果如下:
我只能說效果絕對靠譜!在我的1050Ti筆記本上測試通過!
君子藏器于身,待時而動
推薦閱讀
審核編輯:符乾江-
計算機視覺
+關注
關注
8文章
1685瀏覽量
45811 -
深度學習
+關注
關注
73文章
5422瀏覽量
120593
發(fā)布評論請先 登錄
相關推薦
評論