网站转换小程序,免费个人简历模板网站,专业做衬衫哪个网站,网页设计与制作难不难ByteTrack
ByteTrack算法是将t帧检测出来的检测框集合 D t {\mathcal{D}_{t}} Dt 和t-1帧预测轨迹集合 T ~ t − 1 {\tilde{T}_{t-1}} T~t−1 进行匹配关联得到t帧的轨迹集合 T t {T_{t}} Tt。
首先使用检测器检测t帧的图像得到检测框集合 D t {\mathcal{D}_{t}} …ByteTrack
ByteTrack算法是将t帧检测出来的检测框集合 D t {\mathcal{D}_{t}} Dt 和t-1帧预测轨迹集合 T ~ t − 1 {\tilde{T}_{t-1}} T~t−1 进行匹配关联得到t帧的轨迹集合 T t {T_{t}} Tt。
首先使用检测器检测t帧的图像得到检测框集合 D t {\mathcal{D}_{t}} Dt再根据置信度阈值将检测框集合划分为高置信度检测框集合 D t h {\mathcal{D}^{h}_{t}} Dth 和低置信度检测框集合 D t l {\mathcal{D}^{l}_{t}} Dtl。
然后ByteTrack使用卡尔曼滤波根据t-1帧的轨迹集合 T t − 1 {T_{t-1}} Tt−1 预测轨迹在t帧的位置得到t帧的预测轨迹集合 T ~ t − 1 {\tilde{T}_{t-1}} T~t−1。
在ByteTrack第一阶段先将高置信度检测框和预测轨迹相匹配匹配结果有三种情况
高置信度检测框和预测轨迹匹配成功则更新到t帧的轨迹集合中。高置信度检测框没能和预测轨迹匹配也更新到t帧的轨迹集合中。预测轨迹没有高置信度检测框与它匹配则放入到未匹配的预测轨迹 T ~ t − 1 u \tilde{T}^{u}_{t-1} T~t−1u。
在ByteTrack第二阶段先将未匹配的预测轨迹集合 T ~ t − 1 u \tilde{T}^{u}_{t-1} T~t−1u划分为活跃轨迹 T ~ t − 1 u , a \tilde{T}^{u,a}_{t-1} T~t−1u,a和非活跃轨迹 T ~ t − 1 u , i \tilde{T}^{u,i}_{t-1} T~t−1u,i非活跃的预测轨迹直接放入到t帧的轨迹集合中活跃的预测轨迹用于和低置信度检测框进行匹配关联。同样匹配结果有三种情况
低置信度检测框和预测轨迹匹配成功则更新到t帧的轨迹集合中。低置信度检测框没能和预测轨迹匹配则删除。预测轨迹没能和低置信度检测框匹配也跟新到t帧的轨迹集合中。
到此t帧的处理结束视频后续也是如此流程。
活跃轨迹前一帧中匹配得到检测框非活跃轨迹前一帧中没有匹配得到检测框。
