本周工作：
之前测试发现 DeepSORT 的跟踪效果较慢，尤其是人多的时候，延迟效果非常严重，因为 DeepSORT 中有着特征提取的 ReID 模块。而我们泳池多目标跟踪中使用 ReID 的效果不大，因为游泳人员的特征非常相似，很容易发生 ID Switch 。因此我打算使用纯算法且使用运动模型的跟踪器去跟踪。
之前了解过 ByteTrack 算法，这次也打算尝试使用在我们的项目中。在 Github 下载了开源的 ByteTrack 代码，并且使用泳池的数据集跑通代码。
接下来就是将 ByteTrack 跟踪算法应用在我们的泳池项目中。源码中的也是基于 Tracking by Detection ，不过源码使用的是 Yolox ，虽然检测器不同，但是我们能够得到输入跟踪器中的检测结果格式。这样输入输出对齐后，就可以直接应用在我们的泳池项目中。这也是需要我们为什么必须先跑通源码才能够作修改。
输入输出对齐后，我直接应用于线上的测试。发现 ByteTrack 确实能够在人多的时候提高不少速度，延迟效果也减少很多。但是在溺水测试中发现一些 bug，在这里也记录一下：
Bug：在游泳人员模拟溺水时能够检测出该溺水情况，但是当游泳人员抬起头时，报警情况还是一直不变。
通过排查发现，是因为在进行多目标跟踪中，没有将输入的检测类别发生改变。