mikel-brostrom/boxmot

解决的问题

BoxMOT 提供了一个统一且可插拔的多对象跟踪（MOT）框架。它解决了需要手动集成不同检测器、外观编码器和跟踪算法的问题，使用户能够轻松更换组件，并在各种数据集上评估其性能。

工作原理

该系统采用模块化流水线，将独立的组件——检测器、分割器、外观编码器和跟踪器——组合在一起。它同时支持轴对齐边界框（AABB）和方向边界框（OBB）。该框架提供 CLI 用于管理跟踪、评估和 ReID 训练等流程，并提供 Python API 以便将这些组件嵌入到更大的应用程序中。对于生产环境，它还提供原生 C++ 实现的跟踪器，以确保高性能，同时保持与 Python 版本相同的指标。

适用人群

专为从事计算机视觉任务的开发人员和研究人员设计，这些任务需要在视频帧之间跟踪多个对象，从构建实时应用到进行跟踪算法的学术研究均适用。

主要亮点

• 可插拔架构：可轻松更换检测器和跟踪器（例如 BoTSORT、ByteTrack、OccluBoost）。
• 双边界框支持：同时处理标准轴对齐边界框和方向边界框。
• C++ 后端：可选的生产就绪 C++ 跟踪器实现，以提升速度。
• 全面的工具链：内置 CLI 用于数据集生成、评估、调优和 ReID 工作流。
• 广泛兼容性：支持 ONNX、OpenVINO 和 TFLite 等多种模型格式。