上周调一个车载摄像头项目，客户抱怨夜间场景下车辆ID频繁跳变——明明同一辆车，帧间稍微遮挡一下，ID就从12跳成了37，后处理模块直接崩了。打开跟踪器输出日志一看，好家伙，IOU匹配在低照度抖动视频里根本稳不住。这问题把我直接拽回了多目标跟踪这个老战场，今天咱们就拆解下两个经典算法SORT和DeepSORT，都是实战里真刀真枪踩出来的认知。
SORT：简单到极致就是美
先看SORT（Simple Online and Realtime Tracking），2016年的工作，核心思想就俩字：利落。算法四步走：检测→预测→匹配→更新。检测器用当时最强的Faster R-CNN，跟踪部分却朴素得惊人——卡尔曼滤波预测边界框位置，匈牙利算法做IOU匹配。
卡尔曼滤波这里有个细节容易栽跟头：状态向量选的是[x,y,a,h,vx,vy,va,vh]，其中a是宽高比，h是高度。为什么用宽高比而不是宽度？因为实际场景中物体宽度变化比高度剧烈，用宽高比更稳定。但注意了，如果检测框本身质量差，这个假设会崩，我们吃过亏。
匹配阶段用IOU矩阵+匈牙利算法，阈值通常设0.3。这里有个坑：相邻帧间目标运动不能太大，否则IOU直接掉到阈值以下，跟丢。所以SORT对帧率敏感，30fps下表现还行，降到15fps跟踪碎片化就明显了。
SORT最大的特点是“短记忆”——没有重识别机制，遮挡超过一帧基本就丢。但它的速度是真快，260Hz的跟踪速度至今仍有竞争力。我们项目里在算力受限的嵌入式平台还用着SORT的变种，秘诀是把检测频率降到跟踪频率的1/3，中间帧纯靠卡尔曼推，省出一半算力。
DeepSORT：给SORT装上记忆模块
