摘要：SORT（Simple Online and Realtime Tracking）算法作为一种经典的基于检测的多目标跟踪算法,凭借简单高效、实时性的特点受到广泛关注。本文对SORT目标检测算法进行研究,首先,剖析了算法的核心原理,包括卡尔曼滤波器、匈牙利算法和IOU等关键组件；其次,梳理了算法的完整流程,并进行SORT算法的性能分析与实验验证；最后,梳理了SORT算法的改进思路与优化策略。研究表明,SORT算法在平稳运动目标跟踪场景中表现优异,在目标遮挡、快速运动等复杂场景中仍需改进。未来可通过融合多特征和优化数据关联策略等方式,进一步提升其鲁棒性和准确性。

　　关键词：SORT算法；目标检测；多目标跟踪；卡尔曼滤波器；匈牙利算法

　　0引言

　　目标检测作为计算机视觉领域的核心任务之一,旨在识别图像或视频中的多个目标并定位它们的位置。多目标跟踪是目标检测的重要拓展,从视频序列中持续检测多个目标并维护其身份标识,而SORT算法在多目标跟踪领域占据着举足轻重的地位。SORT算法凭借“检测+卡尔曼滤波+匈牙利匹配”的极简三件套架构,实现了实时处理能力,其跟踪器以260Hz的速率更新,远超当时其他目标跟踪算法,能够满足实时性要求极高的应用场景。因此,本文深入剖析SORT算法的原理和性能,旨在为该算法在不同场景下的优化应用提供理论基础,促进多目标跟踪技术在更多领域的应用和发展。

　　1 SORT目标检测算法原理剖析

　　SORT算法是一种基于检测跟踪框架的在线多目标跟踪算法,其核心依赖目标检测算法提供的边界框信息,通过巧妙地关联连续帧中的目标,构建并更新目标轨迹。

　　1.1卡尔曼滤波器

　　卡尔曼滤波器是SORT算法中目标位置预测的核心,其功能是基于目标当前位置、速度、加速度等状态信息及对应不确定性（协方差矩阵）,估计目标下一时刻状态。该滤波器基于“目标动态线性变化、噪声服从高斯分布”假设,以递归方式工作[1]。

　　1.2匈牙利算法

　　匈牙利算法在SORT中负责解决“目标关联”问题,即匹配前一帧跟踪目标（轨迹集合）与当前帧检测目标（检测框集合）,维持目标身份标识的连续性。其本质是多项式时间内求解任务分配问题的组合优化算法,在SORT中通过“二分图最大权匹配”模型实现关联。具体流程如下：首先,以检测框与预测框的IOU值（或其他相似度度量）为基础,构建代价矩阵（通常用“1-IOU值”表示代价,代价越小相似度越高）；其次,算法对代价矩阵求解,在满足二分图匹配规则的前提下,找到“匹配边权重之和最大”的方案,实现检测框与预测框的全局最优匹配。该算法可以保证目标关联的准确性,为SORT在多目标场景下的可靠跟踪提供关键支撑。

　　1.3 IOU

　　IOU是SORT算法中衡量边界框相似度的核心指标,为目标关联提供量化依据。其定义为两个边界框的交集面积与并集面积的比值,公式为IOU=Intersection/Union,取值范围为0～1。IOU=0表示两框无重叠,大概率非同一目标；IOU越接近1,重叠度越高,对应同一目标的可能性越大。计算时,先通过坐标范围确定两框交集区域并计算面积,再用两框总面积减去交集面积得到并集面积,最终求比值。例如,智能交通监控中,若前后帧车辆边界框IOU≥0.8,可判定为同一车辆。IOU计算简单、直观且有效,是目标跟踪领域常用的相似度度量方法,直接决定了SORT算法目标关联的基础精度。

　　2算法流程

　　2.1初始化

　　在对视频序列进行处理时,初始化是SORT算法的首要步骤。此阶段,算法会对视频序列的第一帧进行全面且细致的目标检测,运用先进的目标检测算法,如Faster R-CNN、YOLOv5等,在第一帧图像中精准识别出所有感兴趣目标,并为每个检测到的目标创建一个专属的卡尔曼滤波器[2,3]。

　　为每个目标创建的卡尔曼滤波器,需要对其状态进行初始化,包括目标的位置、速度等关键信息。以二维平面中的目标跟踪为例,目标的位置通常可以用其边界框的中心点坐标（x,y）表示,而速度则可以用在x和y方向上的速度分量（vx,vy）描述。在初始化时,会根据第一帧中检测到的目标边界框的位置信息,直接确定目标的初始位置坐标（x0,y0）,同时将速度分量初始化为0,即vx0=0,vy0=0。此外,还需要对卡尔曼滤波器的协方差矩阵进行初始化,协方差矩阵用于描述目标状态估计的不确定性,初始时通常会设置一个较大的值,以表示对目标状态的初始估计存在较大的不确定性。假设协方差矩阵为P,初始时可以将其对角元素设置为较大的数值,如P0=[[100,0],[0,100]],这意味着在初始阶段,对于目标位置的估计可能存在较大的误差。该初始化操作为后续利用卡尔曼滤波器对目标的运动状态进行预测和更新奠定了基础,确保算法能够在后续的帧处理中准确地跟踪目标的运动轨迹。

　　2.2预测

　　在完成初始化后,预测阶段是SORT算法跟踪目标运动的重要环节。此阶段,算法会充分利用卡尔曼滤波器,依据目标上一帧的状态信息,包括位置、速度等,精确预测目标在下一帧中的位置。在自动驾驶场景下,对于道路上行驶的车辆,卡尔曼滤波器会根据车辆上一帧的位置坐标（x1,y1）和速度分量（vx1,vy1）,结合车辆的运动模型,如匀速运动模型或匀加速运动模型,预测下一帧车辆可能出现的位置[4]。通过预测步骤,SORT算法能够提前预估目标在下一帧中的大致位置,使算法能够及时跟踪目标的运动变化,提高了跟踪的实时性和准确性,为实现高效的多目标跟踪奠定坚实基础。

　　2.3关联与更新

　　关联与更新阶段是SORT算法实现多目标跟踪的核心环节,它紧密衔接预测阶段,进一步优化对目标的跟踪效果。在当前帧进行目标检测后,算法会得到一系列边界框,这些边界框代表当前帧中检测到的目标位置。算法会计算每个检测到的边界框与每个预测边界框之间的IOU值,以此衡量它们之间的相似度。基于计算得到的IOU值,算法会构建一个代价矩阵,其中每个元素表示一个检测框与一个预测框之间的关联代价。通常情况下,使用1减去IOU值作为代价,代价越小,表示两个框越相似,越有可能匹配。构建好代价矩阵后,算法会使用匈牙利算法对其进行求解,通过匈牙利算法的高效计算,找到检测框与预测框之间的最佳匹配关系,从而确定当前帧中的哪些检测目标与上一帧中的哪些跟踪目标是同一对象。

　　2.4创建新轨迹和删除旧轨迹

　　在SORT算法运行过程中,创建新轨迹和删除旧轨迹是维护目标跟踪完整性和准确性的重要机制。若某个检测到的目标没有与任何预测的目标匹配,则该目标很可能是新出现的,算法会创建一个新的轨迹,并为其分配一个新的ID。比如,在一场体育赛事的视频跟踪中,当画面中突然出现一个新的运动员时,由于该运动员在之前的帧中未被跟踪,其检测框与已有的预测框都无法匹配,此时算法就会为这个新检测到的运动员创建一条新的轨迹,并赋予一个唯一的ID,以便后续对其进行跟踪和分析[5]。

　　3 SORT算法的性能分析与实验验证

　　3.1实验设置

　　实验采用MOT16数据集（Multi-Object Tracking Benchmark）作为测试集,该数据集包含14个视频序列,涵盖行人、车辆等目标及遮挡、拥挤等复杂场景。评价指标选用多目标跟踪领域常用的MOTA（Multiple Object Tracking Accuracy）、MOTP（Multiple Object Tracking Precision）、ID Switch（身份交换次数）与FPS（帧率）。实验硬件环境为Intel Core i7-10700K CPU、NVIDIA RTX 3080 GPU,软件环境为Python 3.8、PyTorch1.9.0。

　　3.2实验结果与分析

　　将SORT算法与传统跟踪算法（如DeepSORT的简化版）及同期算法进行对比,实验结果如表1所示。

　　从实验结果可知,从实时性优势上看,SORT算法帧率达26FPS,高于DeepSORT简化版,接近KCF算法,能够满足实时跟踪需求,这得益于其简洁的卡尔曼滤波与匈牙利算法组合,避免了复杂的外观特征提取与匹配。从跟踪精度上看,SORT的MOTA与MOTP指标优于KCF算法,表明其在多目标跟踪的准确性与定位精度上更具优势；但ID Switch次数较多,说明在目标遮挡或外观相似场景下,身份维持能力有待提升。

　　4 SORT算法的改进方向与优化策略

　　尽管SORT算法实现了速度与精度的平衡,但在遮挡、目标外观变化等场景下仍存在不足,可以从数据关联、状态估计、外观特征融合等方面进行改进。

　　4.1融合外观特征的数据关联

　　原始SORT仅依赖IoU进行数据关联,当目标遮挡导致IoU骤降时,易出现身份交换。改进思路是引入目标外观特征,构建多维度关联成本。例如,DeepSORT算法在SORT基础上添加了基于CNN的外观特征提取网络（如MobileNet）,计算检测框与轨迹外观特征的余弦距离,将其与IoU距离加权融合作为关联成本,如式（1）所示：

　　d(i,j)=α.(1−IoU)+(1−α).(1−cosθ)（1）

　　式中,α为权重系数；cosθ为外观特征相似度。该改进可使ID Switch次数减少40%以上,显著提升遮挡场景下的跟踪稳定性。

　　4.2改进的状态估计模型

　　SORT采用的匀速运动模型难以适应目标的加速、转向等非匀速运动。改进方案如下：（1）采用更复杂的运动模型,如匀加速运动模型,提升对动态目标的预测精度；（2）引入交互式多模型,融合匀速、匀加速等多个运动模型,通过模型概率加权得到最优状态估计,在车辆变道、行人突然转向等场景下,MOTA可提升5%～8%。

　　4.3遮挡处理与轨迹恢复

　　针对长时间遮挡导致轨迹终止的问题,改进策略如下：（1）延长轨迹“未匹配帧数”阈值,并结合目标运动趋势预测遮挡后的位置,当遮挡解除时通过外观特征匹配恢复轨迹；（2）采用遮挡感知的关联策略,当检测到目标重叠时,优先保留置信度高的检测框,并对被遮挡目标的状态进行平滑处理,避免轨迹异常终止。

　　5结语

　　SORT算法通过卡尔曼滤波与匈牙利算法的巧妙结合,构建了简洁高效的多目标跟踪框架,为实时跟踪任务提供了经典解决方案。实验表明,其在MOT16数据集上实现了64.1%的MOTA与26FPS的帧率,平衡了精度与速度。然而,算法在遮挡场景下的身份维持能力与对于非匀速运动目标的预测精度仍有提升空间。未来,应加强对SORT算法的深入研究。相信随着技术的持续迭代,SORT算法将在更多智能系统中发挥重要作用。

参考文献

　　[1]徐郁盛,李虎,姜旭,等.卡尔曼滤波参数自适应寻优算法研究[J].自动化仪表,2025,46(8):52-57.

　　[2]王文林.基于改进YOLOv5+Deep-SORT的车辆跟踪方法[D].石家庄:河北科技大学,2024.

　　[3]赵士杰.基于YOLOv5+Deep-SORT的运煤车辆目标检测与跟踪[J].山西电子技术,2023(1):1-3.

　　[4]姚娟.多目标跟踪算法及其在车辆计数中的应用研究[D].武汉:华中科技大学,2020.

　　[5]张扬.基于改进目标检测算法的多目标跟踪研究及云平台实现[D].广州:华南理工大学,2022.