第98章 多目标算法思路（2/2）

化算法。

sort多目标追踪办法也只是利用这两者，以及孟繁岐提出的yolo，并不需要对这三者本身有很多的改变。

yolo算法作为特征提取器，用来提取所有的车辆部分。

匈牙利或者km算法，对相邻帧之间的若干目标进行最大匹配，卡尔曼滤波则根据目标轨迹的预测对结果进行一些修正。

尤其政府的场景当中，车辆的运动轨迹比较规则单一，这个方法的效果会相当优秀而稳定。

并且，在相邻帧中，孟繁岐还引入了iou距离，也就是两个检测框之间交集的面积，用它作为二分图匹配的权重。

同时也能够根据帧之间的距离计算车速，并根据车速范围合理设计相关参数的阈值，可以说是一举两得了。

在这个基础之上，还有改进版的deepsort，这个方法是从行人的识别中获取的灵感，通过对比两个隐藏层参数向量的距离来判断两者是否是同一个人。

不过孟繁岐并不准备那么周到，实现那么多，达成了基本需求就足够了。这部分继续改进的内容，他只打算写下一个思路在这里给白度。

时间还是用在谷歌上面比较划算。