Smorodov/Multitarget-tracker

What it solves

이 프로젝트는 멀티 타겟 트래킹 (MOT)을 위한 포괄적인 프레임워크를 제공하여, 사용자가 비디오 프레임 전반에 걸쳐 여러 객체를 검출출하고 추적할 수 있게 합니다. 타겟이 이동, 겹침 또는 일시적으로 시야에서 사라질 때 일관된 객체 ID를 유지하는 문제를 해결합니다.

How it works

시스템은 다음 네 가지 핵심 구성 요소가 결합된 파이프라인으로 작동합니다:

1. Object Detection: 전통적인 배경 차분법 (예: VIBE, MOG2) 또는 TensorRT로 가속화된 딥러닝 모델 (예: YOLOv8, YOLOv12, RT-DETR, D-FINE)을 사용하여 타겟을 식별합니다.
2. Matching Algorithms: 중심 거리 또는 IoU 유사도와 같은 거리 메트릭을 기반으로 Hungarian algorithm 또는 LAPJV와 같은 선형 할당 알고리즘을 사용하여 검출 결과를 기존 트랙에 할당합니다.
3. Trajectory Smoothing: 등속 또는 등가속도 모델을 사용하는 Kalman filters (Linear 또는 Unscented)를 사용하여 객체 위치를 예측하고 경로를 부드럽게 만듭니다.
4. Visual Search: 일시적으로 사라진 타겟을 복구하기 위해 특화된 트래커 (예: KCF, CSRT, DaSiamRPN)를를 사용하여

Who it’s for

UAV 교통 모니터링, 위성 항공기 검출, 차량 추적, 로봇 군집 협동과 같은 컴퓨터 비전 애플리케이션을 개발하는 개발자 및 연구자를 위해 설계되었습니다.

Highlights

• Broad Model Support: 다양한 YOLO 버전, RT-DETR, D-FINE을 포함한 폭넓은 SOTA 딥러닝 검출기를 통합합니다.

• Hardware Acceleration: ONNX 모델의 고성능 추론을 위해 TensorRT를 지원합니다.

• Flexible Processing: 다양한 FPS 요구 사항을 처리하기 위해 동기식, 비동기식 (2-thread), 및 완전 비동기식 (4-thread) 파이프라인을 제공합니다.

• Extensible Architecture: 단독 명령줄 도구로 사용하거나 C++ 라이브러리로 통합할 수 있습니다.