Deep learning 多摄像机多目标（人）跟踪系统是否有开源解决方案？

我一直在努力解决一个问题，即我需要通过多个摄像头视点实时跟踪多个人。
我在DukeMTMC数据集上找到了一个解决方案DeepCC（），但不幸的是，由于数据机密性问题，该解决方案已被删除。他们使用快速R-CNN进行目标检测，使用三重丢失进行重新识别，使用DeepSort进行实时多目标跟踪

问题：
1.是否有人可以就同一问题共享其他资源？ 2.有没有办法下载并继续使用DukeMTMC数据库来解决多重跟踪问题？ 3.有人知道官方网站（）什么时候可以再次使用吗

---

深度学习lib库，或过去的一个好的深度学习库，称为掩码R CNN，或蒙版区域卷积神经网络。虽然我只在图像上使用了该算法，而没有在视频上使用，但同样的原理也适用，并且很容易过渡到视频中的检测对象。该算法使用Tensorflow和Keras，您可以将输入数据（即人的图像）分为两组，即训练和验证

对于培训，请使用第三方软件（如）对图像中的人物进行注释。绘制完注释后，您将导出一个JSON文件，其中包含绘制的所有注释，该文件将用于培训过程。对验证阶段执行相同的操作，但是确保验证中的图像以前没有被算法看到

一旦对这两个组进行了注释并生成了JSON文件，就可以开始训练算法了。Mask R-CNN使训练变得非常容易，您只需传递一行命令即可启动训练。如果您想在GPU上而不是CPU上训练数据，请安装，这在支持的GPU上运行得很好，安装后不需要编码

在培训阶段，您将生成以.h5格式存储的权重文件。根据您选择的历元数，每个历元将生成一个权重文件。训练完成后，您只需在想要检测相关对象（即视频提要中）的任何时候引用该权重文件即可

一些重要信息：

• Mask R-CNN是一种较旧的算法，但它至今仍能完美地工作。尽管有些人已经将该算法更新为Tenserflow 2.0+，但为了更好地利用它，请使用以下方法
• Tensorflow gpu 1.13.2+
• Keras 2.0.0+
• CUDA 9.0至10.0

老实说，过去对我来说最困难的部分不是使用算法，而是找到Tensorflow、Keras和CUDA的正确版本，它们彼此都能很好地发挥作用，而且不会出错。尽管上述版本可以工作，但请尝试升级或降级某些库，以查看是否可以获得更好的结果

关于带视频的Mask R-CNN的文章，我发现它非常有用且资源丰富。

可以在下面找到GitHub回购协议。

编辑

---

您可以跨多个摄像头使用此方法，只需在计算机视觉库（如OpenCV）中设置多个视频捕获。我假设这将通过Python完成，Mask R-CNN和OpenCV都主要基于Python。

英特尔OpenVINO framewors拥有此任务的全部部分：

使用预训练更快的RCNN、SSD或YLO进行目标检测

完整的。

---

你可以使用其他型号。或者，如果您想在GPU上使用检测功能，请使用opencv_dnn_cuda进行检测，使用OpenVINO进行重新识别。

感谢您的全面回复。但是，我面临的问题是，我想一起校准多个摄像头，这样，如果一个人出现在任何一个摄像头中，我都可以检测到他/她并分配一个ID。我能够成功地使用（用于检测的yolov3和用于跟踪的deepSort）对单个摄像头进行跟踪，但我想将其扩展到多个摄像头。如果你知道这个领域的任何事情，请告诉我？是的，我以前见过。但这都是黑匣子，如果你想修改某个东西或者为了你的目的对它进行微调，你就不能。另外，在我对OpenVINO框架的展望中，安装过程过于复杂和不清楚。OpenVINO的模型：不是一个完整的答案，只是给你一些提示。没有办法下载DukeMTMC。它包含了大量的数据，被分割成几个zip文件，作者不会再发布它。据我所知，他们甚至给所有以前的基准测试参与者发了一封电子邮件，谴责未来使用DukeMTMC。还有一些替代方案仍然在线，比如CamNeT（但这一个有错误的事实依据）。目前，我的研究小组正在研究一种替代方案，我们的论文正在审查中。如果被接受，我可以把它贴在这里