最近学习了下DeepSORT+Yolov5的多目标跟踪算法，针对ID switch的后处理，进行了一些思考，想了点思路。
DeepSORT算法在进行目标跟踪时，当检测器受到噪声干扰，或目标暂时受遮挡、目标超出视线范围时，检测器无法检测到目标，Tracks失配，DeepSORT的kalman滤波器停止更新，直到超出max_age，删除ID、特征向量等相关信息。但当检测器再次检测到同一目标，DeepSORT则会赋予另一个新ID。
针对噪声干扰、目标暂时受遮挡这两种情况，导致检测器短时间内检测不到目标，致使ID发生变化，做如下后处理方案：
（1）连续记录检测器目标框的中心位置坐标。例FPS=60的图像，连续记录4秒数据，即检测器应检测到目标超过4秒，记录最后4秒位置，并记录最后一帧的特征向量。
（2）在max_age内，DeepSORT可能会再次跟踪相同ID，因此不做处理。在超出max_age（本人设的60）时，根据步骤1记录的数据，先等间隔平均，如20帧做一次平均（因为这个检测器用的预训练模型，检测框抖个不停，影响贼大）。得到12组数据，连续做6次加权平均预测（位移、速度、加速度），每预测一次，得到一组数据，抛掉12组中的第一组。预测6组，后3组即超出max_age的60帧内的3组数据（第10、30、50帧）。
（3）在超出max_age的60帧内的3组数据（第10、30、50帧）对应的时间。在对应的时间，根据预测位置信息，设定距离阈值（毕竟是预测，存在误差，该距离指的像素数量），搜寻该时间、距离范围内检测器检测到的目标框，再通过之前保存的特征向量做余弦距离计算代价等方式进行匹配，设定代价阈值，将满足阈值的代价最小的现ID切换回消失前的ID，仅仅更换ID，其余的现ID数据，包括特征向量全部继承。（如果第10帧检测并切换ID，则不再计算第30、50帧）
效果如下图，图中右边的ID-6、11较为明显，发生了ID的消失、赋予新ID，最后又回到初始的ID。别在意检测类型标签QAQ，直接用的预训练的yolov5s权重，毕竟只是验证方法，懒得去单独跑个模型，随便扒的视频，分辨率是720p。
这个处理思路的话，目前看只能用在后处理，实时处理的话，毕竟会造成ID的两次switch，会产生什么样的影响，只能说⑧清楚。
另外，在处理过程中，还需要计算下目标的运动方向向量，计算下原目标与现目标两个方向向量的夹角。因为不这样可能会造成，两个相反运动的目标，由于特征向量之间的代价小，导致与原ID目标运动方向相反的现目标被更换ID，这个在大部分情况下是肯定不合理的。
先就这样。。。。。。