multi-object-tracker

multi-object-tracker 项目介绍

项目概述

multi-object-tracker 是一个基于 Python 实现的多目标跟踪算法项目，提供了多种简单易用的跟踪算法实现，旨在帮助开发者在计算机视觉任务中进行对象跟踪。它支持不同的对象检测器，并可以根据需要选择最佳的跟踪算法进行应用。

可用的多对象跟踪器

该项目中实现了多种多目标跟踪算法，包括：

CentroidTracker：使用质心来跟踪对象。
IOUTracker：基于交并比 (Intersection Over Union) 的跟踪算法。
CentroidKF_Tracker：结合质心法和卡尔曼滤波器的跟踪算法。
SORT：一个简单实时跟踪方法。

支持的对象检测器

multi-object-tracker 项目支持以下基于 OpenCV 的对象检测器：

detector.TF_SSDMobileNetV2：采用 TensorFlow 的 SSD MobileNet V2 模型。
detector.Caffe_SSDMobileNet：使用 Caffe 框架的 SSD MobileNet 模型。
detector.YOLOv3：基于 YOLOv3 模型的对象检测器。

安装及使用说明

开发者可以使用 pip 工具进行安装 OpenCV（要求 3.4.3 或更高版本），具体命令如下：

pip install motrackers

或者通过 GitHub 进行安装：

git clone https://github.com/adipandas/multi-object-tracker
cd multi-object-tracker
pip install [-e] .

使用方法示例

每个跟踪器的使用接口简单且相似，下面是一个使用示例：

from motrackers import CentroidTracker  # 可以替换为 IOUTracker, CentroidKF_Tracker, SORT
input_data = ...
detector = ...
tracker = CentroidTracker(...)  # 初始化对应的跟踪器

while True:
    done, image = <read(input_data)>
    if done:
        break
    detection_bboxes, detection_confidences, detection_class_ids = detector.detect(image)
    output_tracks = tracker.update(detection_bboxes, detection_confidences, detection_class_ids)
    for track in output_tracks:
        frame, id, bb_left, bb_top, bb_width, bb_height, confidence, x, y, z = track
        assert len(track) == 10
        print(track)

预训练模型

若需使用神经网络模型进行对象检测，则需下载预训练的模型权重。提供了一些 shell 脚本用于下载这些权重，详细信息可参见项目中的相关文档。

注意事项

对于 SORT 和 IoU Tracker，项目中的实现可能与原论文中的有所不同。
欢迎开发者提交 pull requests 或创建 issue 以报告算法中的错误。

引用

如果在您的工作中使用了此项目，请参考下述信息进行引用：

@misc{multiobjtracker_amd2018,
  author = {Deshpande, Aditya M.},
  title = {Multi-object trackers in Python},
  year = {2020},
  publisher = {GitHub},
  journal = {GitHub repository},
}