shaoshengsong/DeepSORT

解決的問題

DeepTracker 是一個用於影片的即時多物件追蹤（MOT）系統。它允許使用者在影片幀之間識別並維持多個物件（例如人）的身分，能處理遮蔽、運動模糊和移動鏡頭等挑戰。

工作原理

系統使用 YOLO 檢測器在每一幀中尋找物件。然後應用四種追蹤演算法之一，將這些檢測結果與現有軌跡關聯起來。所有追蹤器共享一個通用的 C++ 接口（ITracker）和用於運動預測的恆定速度卡爾曼濾波器。

根據所選演算法，系統使用不同方法進行物件關聯：

• ByteTrack：利用運動資訊（IoU 和置信度）恢復因遮蔽而遺失的軌跡。
• OC-SORT：專注於運動（觀測中心）以處理模糊和遮蔽，無需外觀模型。
• Deep OC-SORT：結合運動與外觀特徵，並加入全域運動補償（GMC）以應對移動鏡頭。
• DeepSORT：結合外觀嵌入（ReID）與平方馬氏距離運動門控來維持身分。

推論由 ONNX Runtime 處理，支援使用 .onnx 模型進行檢測與外觀編碼，無需重新編譯。

適用對象

本專案適用於需要高效率 C++ 實作經典多物件追蹤演算法進行影片分析的開發者與研究人員。

主要亮點

• 多種演算法：支援 ByteTrack、OC-SORT、Deep OC-SORT 與 DeepSORT。
• 彈性推論：使用 ONNX Runtime 支援 CPU、CUDA、DirectML 與 OpenVINO 提供者。
• 整合 YOLO：整合 YOLO 檢測器用於初始物件檢測階段。
• 互動式 GUI：包含基於 Qt 的桌面應用程式用於互動式追蹤，以及用於腳本的命令列工具。
• 模組化架構：所有追蹤器均實作共享介面，僅需一行程式碼變更即可輕鬆切換演算法。