ByteTrack
ByteTrack算法是将t帧检测出来的检测框集合
D
{\mathcal{D}}
D 和t-1帧预测轨迹集合
T
~
t
−
1
{\tilde{T}_{t-1}}
T~t−1 进行匹配关联得到t帧的轨迹集合
T
t
{T_{t}}
Tt。
首先使用检测器检测t帧的图像得到检测框集合 D {\mathcal{D}} D，再根据置信度阈值将检测框集合划分为高置信度检测框集合 D h {\mathcal{D}^{h}} Dh 和低置信度检测框集合 D l {\mathcal{D}^{l}} Dl。
然后ByteTrack使用卡尔曼滤波，根据t-1帧的轨迹集合
T
t
−
1
{T_{t-1}}
Tt−1 预测轨迹在t帧的位置；得到t帧的预测轨迹集合
T
~
t
−
1
{\tilde{T}_{t-1}}
T~t−1。
在ByteTrack第一阶段，先将高置信度检测框和预测轨迹相匹配；匹配结果有三种情况：
- 高置信度检测框和预测轨迹匹配成功，则更新到t帧的轨迹集合中。
- 高置信度检测框没能和预测轨迹匹配，也更新到t帧的轨迹集合中。
- 预测轨迹没有高置信度检测框与它匹配，则放入到未匹配的预测轨迹 T ~ t − 1 u \tilde{T}^{u}_{t-1} T~t−1u。
在ByteTrack第二阶段，先将未匹配的预测轨迹集合
T
~
t
−
1
u
\tilde{T}^{u}_{t-1}
T~t−1u划分为活跃轨迹
T
~
t
−
1
u
,
a
\tilde{T}^{u,a}_{t-1}
T~t−1u,a和非活跃轨迹
T
~
t
−
1
u
,
i
\tilde{T}^{u,i}_{t-1}
T~t−1u,i；非活跃的预测轨迹直接放入到t帧的轨迹集合中，活跃的预测轨迹用于和低置信度检测框进行匹配关联。同样，匹配结果有三种情况：
- 低置信度检测框和预测轨迹匹配成功，则更新到t帧的轨迹集合中。
- 低置信度检测框没能和预测轨迹匹配，则删除。
- 预测轨迹没能和低置信度检测框匹配，也跟新到t帧的轨迹集合中。
到此，t帧的处理结束，视频后续也是如此流程。
活跃轨迹：前一帧中匹配得到检测框；非活跃轨迹：前一帧中没有匹配得到检测框。
