介绍

本项目是C++版本的OC-SORT(OC-SORT: Observation-Centric SORT on video Multi-Object Tracking)，矩阵运算使用的库是 Eigen。
本项目主要参考了 OC_SORT官方Python实现。
在代码逻辑和变量命令上尽量与官方Python版本的保持一致，线性分配算法使用了开源库Lap。
OC-SORT中改进的Kalman Filter只使用了Eigen库实现。

后续我可能会尝试发布将OCSORT与检测器接合的部署在资源有限设备上的应用。

OC-Sort on Android Device

Thanks to FeiGeChuanShu, 修改了一下他的代码，将OC-Sort缝上去了，代码见android-demo/文件夹。

Release Apk

编译环境

NCNN库一直都在发布新版本，如果你想用最新的，可以换掉，但是注意对应的NDK匹配问题。

• Android Studio
• NDK(25.2.9519653)
• Ncnn(20230223)
• Cmake(3.31.1)
• Gradle(8.7.3)

Yolo模型

使用的是Nano和Small两个尺寸的模型。

如果想使用更大尺寸的模型，可以参考NCNN官方文档如何转换，然后放在app\src\main\assets目录下；再修改strings.xml和yolov8ncnn.cpp中的modeltypes变量即可。

运行速度

当前我的设备CPU是:Ryzen R5 2500U，编译的时候开启-O2优化，平均处理一帧的时间是5.5ms。我实现的这版本确实比ByteTrack的C++版本要慢，但是Python原版的比ByteTrack的慢特别多，代码重构成C++还是有提升的，可以在生产环境下试一试了。

用法

下载代码库

git clone https://github.com/Postroggy/OC_SORT_CPP.git --recursive

下载vcpkg二进制文件

cd OC_SORT_CPP/externals/vcpkg
./bootstrap-vcpkg.bat -useSystemBinaries # windows
./bootstrap-vcpkg.sh -useSystemBinaries # linux

CMake编译命令：

cmake -DCMAKE_BUILD_TYPE=Debug "-DCMAKE_MAKE_PROGRAM=ninja -G Ninja -S [path to]\OC_SORT_CPP -B [path-to]\OC_SORT_CPP\cmake-build-debug

使用vcpkg的manifest mode，依赖会自动下载。

src文件夹是对头文件中定义的函数的实现，include文件夹负责定义头文件。使用时将整个 OC_SORT 打包成动态链接库即可。

示例(使用CMake)

假设文件目录如下

├───include
├───src
├───test.cpp
└───CMakeLists.txt

CMakeLists.txt内容如下：

cmake_minimum_required(VERSION 3.21)
set(CMAKE_TOOLCHAIN_FILE "${CMAKE_CURRENT_SOURCE_DIR}/externals/vcpkg/scripts/buildsystems/vcpkg.cmake" CACHE STRING "Vcpkg toolchain file")
project(OC_SORT_CPP)

set(CMAKE_CXX_STANDARD 17)
find_package(Eigen3 REQUIRED)
set(CMAKE_WINDOWS_EXPORT_ALL_SYMBOLS ON) # MSVC required
file(GLOB SRC_LIST src/*.cpp)

# compile as a DLL named OCLib
add_library(OCLib SHARED ${SRC_LIST})
target_include_directories(OCLib PUBLIC include)
target_link_libraries(OCLib Eigen3::Eigen)

add_executable(OCSORT test.cpp)
target_link_directories(OCSORT PUBLIC include)
target_link_libraries(test PUBLIC Eigen3::Eigen OCLib)

test.cpp中的内容：见文件

代码优化

🚧

公式推导

🚧

关于输入输出的格式

和原版的OCSORT稍稍有不一样的地方：

输入格式

输入的类型：Eigen::Matrix<double,Eigen::Dynamic,6>
格式：<x1>,<y1>,<x2>,<y2>,<confidence>,<class>

输出格式

输出的类型：Eigen::Matrix<double,Eigen::Dynamic,>
格式：<x1>,<y1>,<x2>,<y2>,<ID>,<class>,<confidence>
这么做是为了方便OCSORT与其他的目标检测器整合形成完整的目标追踪Pipeline。