目录

一、目标追踪整体代码

二、主要功能

2.1 Configs文件目录下：

2.2 deep_sort/deep_sort/deep目录下：

2.3 deep_sort/deep_sort/sort目录下：

---

一、目标追踪整体代码

        代码目录如下图所示：

        下面对目标追踪的重要代码的功能进行一个讲解

        首先代码分为三个部分：

1. 目标追踪的相关代码和权重
2. 目标检测相关代码和权重，这里用的是yolov5.5目标检测算法
3. 调用检测和追踪代码相关py文件

        目标检测相关的知识可以去这个专栏去看。

        目标检测--手把手教你搭建自己的YOLOv5目标检测平台

        这里主要讲解目标追踪相关代码部分。主要的py文件如下图所示：下面将逐个讲解每个py文件的主要功能。

二、主要功能

2.1 Configs文件目录下：

   deep_sort.yaml：这个yaml文件主要是保存一些参数。

（1）里面有特征提取权重的目录路径；

（2）最大余弦距离，用于级联匹配，如果大于该阈值，则忽略。

（3）检测结果置信度阈值

（4）非极大抑制阈值，设置为1代表不进行抑制

（5）最大IOU阈值

（6）最大寿命，也就是经过MAX_AGE帧没有追踪到该物体，就将该轨迹变为删除态。

（7）最高击中次数，如果击中该次数，就由不确定态转为确定态。

（8）最大保存特征帧数，如果超过该帧数，将进行滚动保存。

2.2 deep_sort/deep_sort/deep目录下：

ckpt.t7：这是一个特征提取网络的权重文件，特征提取网络训练好了以后会生成这个权重文件，方便在目标追踪的时候提取目标框中的特征，在目标追踪的时候避免ID switch。
evaluate.py：计算特征提取模型精确度。

feature_extractor.py：提取对应bounding box中的特征, 得到一个固定维度的特征，作为该bounding box的代表，供计算相似度时使用。

model.py：特征提取网络模型，该模型用来提取训练特征提取网络权重。

train.py：训练特征提取网络的python文件

test.py：测试训练好的特征提取网络的性能

2.3 deep_sort/deep_sort/sort目录下：

detection.py：保存通过目标检测的一个检测框框，以及该框的置信度和获取的特征；同时还提供了框框的各种格式的转化方法。

iou_matching.py：计算两个框框之间的IOU。

kalman_filter.py：卡尔曼滤波器的相关代码，主要是利用卡尔曼滤波来预测检测框的轨迹信息。

linear_assignment.py：利用匈牙利算法匹配预测的轨迹框和检测框最佳匹配效果。

nn_matching.py：通过计算欧氏距离、余弦距离等距离来计算最近领距离。

preprocessing.py：非极大抑制代码，利用非极大抑制算法将最优的检测框输出。

track.py：主要储存的是轨迹信息，其中包括轨迹框的位置和速度信息，轨迹框的ID和状态，其中状态包括三种，一种是确定态、不确定态、删除态三种状态。

tracker.py：保存了所有的轨迹信息，负责初始化第一帧，卡尔曼滤波的预测和更新，负责级联匹配,IOU匹配。

deep_sort/deep_sort/deep_sort.py：deepsort的整体封装，实现一个deepsort追踪的一个整体效果。

deep_sort/utils：这里最主要有一些各种各样的工具python代码，例如画框工具，日志保存工具等等。

demo.py：针对读取的视频进行目标追踪

objdetector.py：封装的一个目标检测器，对视频中的物体进行检测

objtracker.py：封装了一个目标追踪器，对检测的物体进行追踪