知識點:
1.馬氏距離用於相似性度量
馬氏距離(Mahalanobis Distance)是一種距離的度量,可以看作是歐氏距離的一種修正,修正了歐式距離中各個維度尺度不一致且相關的問題。
單個數據點的馬氏距離
數據點x, y之間的馬氏距離
其中Σ是多維隨機變量的協方差矩陣,μ爲樣本均值,如果協方差矩陣是單位向量,也就是各維度獨立同分布,馬氏距離就變成了歐氏距離。
2.經典方法sort 和deep sort解析:
知乎:https://zhuanlan.zhihu.com/p/59148865
3.卡爾曼濾波器
https://blog.csdn.net/coming_is_winter/article/details/79048700
4.匈牙利算法
https://blog.csdn.net/sunny_hun/article/details/80627351
5.MHT多假設跟蹤算法
原論文:(ICCV2015)
https://www.researchgate.net/publication/300408299_Multiple_Hypothesis_Tracking_Revisited
閱讀筆記:
https://blog.csdn.net/yuhq3/article/details/78436382
解釋以及應用:
6.N-Scan剪枝方法
https://blog.csdn.net/u014386899/article/details/104779956
7.多目標跟蹤度量指標
(1)https://blog.csdn.net/TYUT_xiaoming/article/details/99820073
(2)https://blog.csdn.net/m0_37163827/article/details/85865271(下圖截自該文)