Vehicle-Detection-and-Tracking

收录理由

车辆检测与跟踪是计算机视觉入门时常见的练习项目，这个仓库把完整流程浓缩在几个简洁的Python文件里，读起来很直观。它用TensorFlow Object Detection API中的轻量级SSD-MobileNet模型做检测，配合卡尔曼滤波器来预测和修正边界框状态，再通过匈牙利算法把检测结果关联到已有轨迹上，同时管理轨迹的创建与消亡。代码结构简单，注释也写得清楚，对想弄明白检测和跟踪如何衔接的工程师来说，是一份不错的教学参考，看完再去看SORT或DeepSORT这类更复杂的跟踪器会轻松不少。仓库自带一个在COCO上预训练好的模型，能识别轿车、公交车和卡车，所以用在交通监控、自动驾驶研究或者车辆计数这些场景都合适。需要提醒的是，这套演示代码是2017年写的，如果要在生产环境里跑，得先花点时间适配当前版本的TensorFlow。