#目标跟踪

一款集成先进计算机视觉模型的工具，简化图像数据集创建，支持零样本分割和目标跟踪，提供多种模型选择与自定义导出格式，无缝结合Labelme，提升标注效率。

EFG是一个高效、灵活且通用的深度学习框架，采用最小化设计。该框架支持2D和3D目标检测、全景分割等多种计算机视觉任务，并在Waymo和nuScenes等数据集上展现优异性能。EFG集成了多个最新研究成果，如TrajectoryFormer和ConQueR，为3D目标检测和跟踪领域提供创新解决方案。研究人员可利用EFG的项目模板探索各种研究主题。

Segment-and-Track-Anything是一个专注于视频中任意对象分割和追踪的开源项目。该系统集成了SAM模型的关键帧分割能力和DeAOT模型的多目标追踪功能。它支持自动检测新对象、交互式修改、文本提示等多种操作模式，适用于街景分析、增强现实、细胞追踪等领域。项目提供了直观的WebUI界面和灵活的参数设置，使用户能够轻松实现复杂的视频对象分割和追踪任务。

MixFormerV2是一个统一的全Transformer跟踪模型，无需密集卷积操作和复杂评分预测模块。该模型提出四个关键预测token，有效捕捉目标模板与搜索区域的相关性。项目还引入新型蒸馏模型压缩方法，包括密集到稀疏和深层到浅层两个阶段。MixFormerV2在LaSOT和TNL2k等多个基准测试中表现优异，分别达到70.6%和57.4%的AUC，同时在GPU上保持165fps的推理速度。值得注意的是，MixFormerV2-S是首个在CPU上实现实时运行的基于Transformer的单流跟踪器。

SportsLabKit是一个开源的体育分析工具包,可将比赛视频转换为可分析的数据。目前主要用于足球领域,计划扩展到其他运动。核心功能包括高性能追踪、灵活架构、2D场地校准和数据封装,便于进行运动员追踪和数据分析。该项目集成了SORT、DeepSORT、ByteTrack等多种追踪算法,支持YOLOv8等检测模型,为研究人员和开发者提供了灵活的开发环境。SportsLabKit正在持续开发中,旨在提供更多计算机视觉工具和统一的数据表示方法。

datmo是一款为配备2D激光雷达的机器人平台设计的移动物体检测跟踪系统。它可准确估算矩形物体的位置、速度、方向和尺寸。系统使用自适应断点检测算法聚类，搜索式矩形拟合算法提取L形，并结合卡尔曼滤波器进行运动和形状跟踪。datmo兼容ROS，提供可视化功能，适用于自动驾驶和移动机器人领域的物体跟踪。

这个项目是YOLOv5和DeepSORT算法在Jetson设备上的C++实现，针对Jetson Xavier NX和Jetson Nano进行了优化。系统能够高效跟踪多个人头目标，在Jetson Xavier NX上处理70多个目标时可达到10 FPS。项目包含环境配置、模型生成和运行指南，支持自定义模型，并提供了不同YOLOv5版本的兼容性说明。适合需要在边缘设备上进行高性能目标跟踪的应用场景。