Chuyện gì đang xảy ra?
Kalman filter rất tốt khi vật thể chuyển động đều. Nhưng khi xe bị che, tracker không có quan sát mới và vận tốc dự đoán tiếp tục trôi. Khi xe xuất hiện lại, box dự đoán đã lệch xa; Hungarian không ghép được và ID bị đổi.
OC-SORT giữ lại các quan sát cũ và dùng chúng để tính lại vận tốc khi track được thấy lại. Nó cũng thêm hướng chuyển động vào chi phí ghép, giúp phân biệt hai xe đi ngược chiều hoặc có quỹ đạo gần nhau.
Trong bãi xe, OC-SORT hữu ích khi xe bị cột hoặc xe khác che trong thời gian ngắn. Tuy nhiên nếu camera di chuyển, hướng trong ảnh không còn là hướng thật; vẫn cần bù chuyển động camera hoặc dùng tracker có GMC trước khi kết luận.
Thuật toán không “hiểu” ảnh. Nó chỉ tìm một cách biến đổi có thể kiểm tra được.
Viết lại bằng toán.
Không cần thuộc lòng. Hãy đọc công thức như một câu mô tả: đại lượng nào được cộng, cái gì bị chuẩn hoá, và điều kiện nào khiến nó thất bại.
Vận tốc từ quan sát
- p_t: tâm box tại frame t
- Δ: khoảng quan sát gần nhất
- θ: hướng chuyển động
OC-SORT dùng vận tốc quan sát để hiệu chỉnh track sau occlusion.
Chi phí có hướng
- θ_i, θ_j: hướng track và detection
- λ_θ: trọng số hướng
- Giúp tách vật thể gần nhau
Hướng chỉ là tín hiệu phụ; IoU và appearance vẫn là nền tảng.
Luồng xử lý bằng lời.
-
01
Phát hiện
Chạy detector và lọc box theo class/vùng; giữ confidence đủ cao cho tầng chính.
-
02
Tính quan sát
Lưu tâm box, tính vận tốc và hướng từ các frame gần nhất.
-
03
Ghép
Kết hợp IoU, hướng và (tuỳ chọn) appearance; giải Hungarian.
-
04
Phục hồi
Khi track được thấy lại, cập nhật vận tốc từ quan sát thật thay vì giữ dự đoán Kalman cũ.
-
05
Quản lý
Tăng
max_agecho track bị che, xoá track quá hạn và kiểm tra ID switch.
Núm vặn và cạm bẫy.
| Tham số | Ý nghĩa | Khoảng |
|---|---|---|
det_thresh | Ngưỡng confidence cho detection. | 0.3…0.6 |
max_age | Số frame tối đa giữ track bị mất. | 30…90 |
min_hits | Số quan sát tối thiểu trước khi công bố track. | 1…5 |
delta_t | Khoảng frame dùng để tính vận tốc quan sát. | 1…5 |
inertia | Trọng số hướng trong chi phí ghép. | 0.0…0.4 |
! Cạm bẫy thường gặp
- Vận tốc quan sát nhiễu khi box rung; cần làm mượt hoặc tăng
delta_t. - Xe đổi hướng gấp có thể bị phạt hướng sai; đừng đặt
inertiaquá cao. - Camera motion làm hướng trong ảnh sai; cần GMC nếu camera không đứng yên.
- Track được phục hồi có thể ghép nhầm nếu hai xe gần nhau và cùng hướng.
- OC-SORT không giải quyết appearance; occlusion dài vẫn cần ReID hoặc logic riêng.
Mã nguồn tối giản, không phải giả mã.
from boxmot import OCSort
from ultralytics import YOLO
model = YOLO("yolo11n.pt")
tracker = OCSort(
det_thresh=0.4,
max_age=60,
min_hits=3,
delta_t=3,
inertia=0.2,
)
for frame in video:
dets = model(frame, verbose=False)[0].boxes.data.cpu().numpy()
tracks = tracker.update(dets, frame)
Điều chỉnh tham số.
Chọn ảnh mẫu hoặc tải ảnh của bạn lên, chỉnh tham số, rồi chạy. Kết quả, các bước trung gian và nhật ký được cập nhật ngay tại đây.
$ bài thử chưa chạy $ chọn ảnh và bấm “Chạy thử”
Dùng nó ở đâu?
Bãi xe có cột, cây hoặc xe khác che khuất.
Video giao thông cần giữ ID qua đoạn occlusion ngắn.
Phân tích quỹ đạo xe trong cảnh nhiều vật thể gần nhau.