车跟踪

微尘hjx14 天前
算法·yolo·目标跟踪·ultralytics·车跟踪·轨迹算法·deep-oc-sort
【Deep-OC-SORT 03】多轨迹算法Deep-OC-SORT-卡尔曼滤波预测过程Deep-OC-SORT 的每条轨迹由一个卡尔曼滤波器驱动:预测(predict)外推目标运动,修正(update)用检测框拉回。滤波器有两种规格:
微尘hjx20 天前
算法·yolo·目标检测·目标跟踪·bytetrack·ultralytics·车跟踪
【ByteTrack 04】多轨迹算法ByteTrack改进点目标:只改进轨迹算法(bytetrack/ 核心代码),检测器不是目标。 测试视频与场景对应:dense.mp4(密集交叉)、turn.mp4(转弯减速)。
微尘hjx21 天前
人工智能·yolo·目标跟踪·视觉检测·deepsort·ultralytics·车跟踪
【AI视觉软件 03】基于 Ultralytics + DeepSORT 的多目标跟踪与改进(支持YOLO全系列,重点车跟踪)车流统计是智能交通分析的基础,流量、流速、行驶轨迹都建立在"每辆车被持续稳定跟住"之上,这一步就是多目标跟踪(MOT),业界通用方案是"检测器 + 跟踪器"两段式。两段式里有一条经典路线 DeepSORT:只保留高置信度检测框,给每个框提取外观特征(ReID),靠"运动预测 + 外观相似度"把前后帧的目标关联起来。本项目重点跟的是车——而 DeepSORT 是在行人数据集上设计调参的(外观模型直接用行人重识别权重),车辆场景的车流密集交叉、转弯减速、遮挡形态都与行人不同,直接套用会遇到车辆场景特有的问题。
我是有底线的