ByteTrack 与 DeepSORT 的关联逻辑

Tracking-by-Detection 先逐帧检测目标，再把当前检测与已有轨迹关联。跟踪质量取决于检测召回、运动预测、外观区分和轨迹管理。

1. 基本流水线

1. 检测器输出边界框、类别和置信度。
2. 卡尔曼滤波预测已有轨迹的当前位置。
3. 构建检测与轨迹之间的代价矩阵。
4. 使用匈牙利算法完成匹配。
5. 更新匹配轨迹，创建新轨迹，处理丢失轨迹。

2. DeepSORT

DeepSORT 在运动信息之外加入 ReID 外观特征。运动门控排除不合理位置，余弦距离衡量外观相似度。它在遮挡后重关联方面更有优势，但外观模型会增加计算，并可能受到服装相似或视角变化影响。

3. ByteTrack

ByteTrack 的关键是不要直接丢弃低置信度检测框。它先用高置信度框匹配，再用低置信度框补充被遮挡或质量下降的真实目标，从而提高轨迹连续性。低分框仍需经过关联约束，避免把背景误检接入轨迹。

4. 轨迹生命周期

新检测通常需要连续命中才转为确认轨迹；暂时未匹配的轨迹可以保留若干帧；长时间丢失后再删除。保留时间过短会造成身份频繁重建，过长则容易错误关联。

参考资料

• DeepSORT 与 ByteTrack 原论文及开源实现。
• Kalman Filter、Hungarian Matching 基础资料。