详细内容或原文请订阅后点击阅览
匈牙利算法及其在计算机视觉中的应用
简介多对象跟踪（MOT）是算法必须在视频中检测和跟踪多个对象的任务。大多数已知的算法基于使用用于处理单个图像的简单检测器（例如Yolo）。总体方法涉及在连续的视频帧上单独使用检测器，然后匹配相应的边界框[…]匈牙利算法及其在计算机视觉中的应用首先出现在数据科学上。
来源:走向数据科学多对象跟踪（MOT）是算法必须在视频中检测和跟踪多个对象的任务。大多数已知的算法基于使用用于处理单个图像的简单检测器（例如Yolo）。总体方法涉及在连续的视频帧上单独使用检测器，然后匹配属于同一对象的不同帧的相应边界框。使MOT算法与众不同的核心部分是它们如何在视频帧之间执行匹配。他们可以考虑多个执行匹配的因素：
多对象跟踪（MOT）- 边界框位置；闭合（当几个对象的边界框相互相交时）；对象的运动；物理对象相似性；
在某些情况下，对于连续帧A和B上的每对边界框，这些特征被合并为一个数字，该数字描述了在框架A和B中检测到的一对边界框的可能性，而B属于同一对象。
这些值是针对框架A和B中的所有边界框计算的。然后，MOT算法尝试识别所有边界框之间的最佳匹配。更具体地说，给定n帧A和B中的n个界限框，目标是以从A到B之间的每个边界框之间创建一个映射的方式，即每个边界框仅使用一次。
匈牙利算法
通常在算法和数据结构课程中研究匈牙利算法。但是，它在匹配系统中还具有应用程序，特别是经常用于解决上面提到的曲目匹配问题。
dénesKőnig JenőEgerváry 匈牙利算法| Wikipedia 公式 每个工人只分配一个任务； 所有任务都完成； 4 x 4 IDEA JenőEgerváry