一、多目标跟踪的定义
多目标跟踪的主要任务是：
在给定视频中同时对多个感兴趣的目标进行定位，并且维持他们的ID、记录他们的轨迹。
TBD（Tracking-by-Detection）策略：先检测，后跟踪
- 图像帧的目标在哪里？---目标检测
- 两帧图像中的目标怎么确定是同一个目标？---数据关联
二、多目标跟踪的流程
1、给定视频的原始帧；
2、运行对象检测器以获得对象的边界框；
3、对于每个检测到的物体，计算出不同的特征，通常是视觉和运动特征；
4、通过相似度计算两个对象属于同一目标的概率；
5、关联步骤，为每个对象分配数字ID。
三、Sort
四个核心步骤：
- 1、获取目标检测框，（检测器：Faster R-CNN，YOLO）；
- 2、卡尔曼滤波器预测当前位置，获得预测框；
- 3、进行相似度计算，计算前一帧和当前帧目标之间的匹配程度（只考虑运动信息）；
- 4、通过匈牙利算法进行数据关联，为每个对象分配目标的ID
以"每个检测框"与"现有目标的所有预测框"之间的IOU作为前后帧之间目标关系的度量指标。
四、DeepSort
部分引用https://guo-pu.blog.csdn.net/article/details/122827312
五、基于DeepSort改进的多目标跟踪算法
针对标牌：
增加长宽比，类别约束，用标牌后分类模型提取特征
后续也有新的跟踪算法，比如BoT-SORT等。
六、MOT的衡量指标
主要从"准确性"（有没有跟对，跟得准不准）和"稳定性"（身份是否保持连贯）两个核心维度进行评估。
MOTA是最传统，最受关注的综合指标，它从错误的角度出发，简化为：
MOTA = 1 - (FN + FP + IDs) / 真实目标总数
因为它同时惩罚了检测错误（FN,FP）和跟踪错误（IDs），这三者分别代表漏报，误报和身份切换