本周完成了泳池内人头与人体的匹配算法，即：匈牙利匹配算法 + IOU

SiamRPN总结

这一周的工作是一直在配合泳池项目人员进行演示，并且调试溺水人员报警功能的程序。报警功能有三个重要的参数：drown_duration、warning_duration、count，分别代表的含义是：溺水报警持续时间、溺水预警持续时间、溺水报警判断的帧数。

关于本次泳池项目中防溺水功能在本周也是一直不停的在测试。为了让测试更精准，数据传输更快，我们尝试着把检测与跟踪中的跟踪模块去掉，仅使用检测去检测游泳的人员是否溺水。如果仅使用检测去检测人员溺水的话，缺点：没有了跟踪中的ReID功能；仅检测目标就没有目标跟踪那样的流畅；检测结果会误检，瞬移，展示效果差。优点：可以对目标检测的结果进行简单的处理就可以得到结果；能够配合Mask去精准的判断并报警。

‘泳池防溺水目标跟踪系统’含泳池人体目标跟踪、泳情分析、防溺水预警等模块。

首先总结一下本周项目联调的过程：

FastReID 是一个 SOTA 级的 ReID 方法集合工具箱（SOTA ReID Methods and Toolbox），同时 面向学术界和工业界落地 ，此外该团队还发布了在多个不同任务、多种数据集上的SOTA模型。

根据之前的卡尔曼滤波分析，知道了卡尔曼滤波分有 预测 和 更新 两步操作。本次则是分析：卡尔曼滤波在多目标跟踪中是如何应用的。

上一次，是讲解DeepSORT代码部分的各个模块，本次主要是梳理DeepSORT代码运行的流程。

在《DEEP LEARNING IN VIDEO MULTI-OBJECT TRACKING: A SURVEY》这篇基于深度学习的多目标跟踪的综述中，描述了MOT问题中四个主要步骤：