目标跟踪问题一直是计算机视觉的热点任务之一，简单的可以分为单目标跟踪与多目标跟踪，最常见的目标跟踪算法都是基于检测的跟踪算法，首先发现然后标记，好的跟踪算法必须具备REID的能力。
今天小编斗胆给大家推荐一个结合传统算法跟深度学习，特别好用的目标跟踪算法框架DeepSort
DeepSort的核心思想主要分为两块，一块可以简单称为Deep，另外一个可以称为Sort，背后的算法支持分别基于深度学习模型与卡尔曼滤波，是典型的结合深度学习与传统方法的混合算法框架实现了比较稳定的跟踪效果。见得工作原理示意图如下：
从输入视频流开始，首先通过目标检测算(YOLOv3)法实现检测，然后基于检测结果标记利用DeepSort实现跟踪。
DeepSort的相关论文如下:
https://arxiv.org/abs/1703.07402
Pytorch版本的代码实现如下：
https://github.com/ZQPei/deep_sort_pytorch
代码演示
获取代码
git clone https://github.com/ZQPei/deep_sort_pytorch
获取代码之后，还需要下载YOLOv3模型与Deep的t7模型，分别是
- yolov3.weights- ckpt.t7
然后运行下面命令行
python yolov3_deepsort.py D:\images\video\TownCentreXVID.avi –display
运行结果如下：
我只能说效果绝对靠谱！在我的1050Ti笔记本上测试通过！
)
