--- title: sort canonical_url: "https://www.modelscope.cn/models/AIBSECO/sort" md_url: "https://www.modelscope.cn/models/AIBSECO/sort.md" repository: AIBSECO/sort last_updated: 2025-09-10 downloads: 0 stars: 0 --- # sort > sort - AIBSECO 在 ModelScope 开源的模型。1.2. 类型与序号：模型5 1.3. 进展： - **Repository**: AIBSECO/sort - **Downloads**: 0 - **Stars**: 0 - **Last updated**: 2025-09-10 Source: https://www.modelscope.cn/models/AIBSECO/sort --- # 方案名 ## 1. 摘要 ### 1.1. 身份编号：fwb0025 ### 1.2. 类型与序号：模型5 ### 1.3. 进展： | item | status | detail | | :-------------------------------------- | ------ | ------ | | 方案选择与硬件资源划分 | 1 | | | 模型导出 | 0 | SORT是一个跟踪后处理算法，没有要导出的模型 | | ~导出模型精度一致，提供python验证脚本 | 0 | | | cpu处理部分c++工程移植 | 1 | 提供crt，检测部分使用modelzoo中yolov5进行 | | ~c++工程精度一致，提供验证脚本 | 0 | | | ~c++工程性能优化 | 0 | | | icraft编译通过 | 1 | yolov5_crowdhuman编译通过 | | ~存在量化精度调优工作 | 0 | | | ~完成基本pyrt/crt搭建与结果验证 | 1 | 提供crt | | ~完成pyrt/crt精度测试与对齐 | 3 | 3_deploy/modelzoo中用相同检测器、跟踪框架实现了sort、deepsort、bytetrack，并进行了测试比较。精度、耗时比较结果见下文 | | 完成上板耗时测试 | 1 | | | ~使用运行时提供的api进行基本性能优化 | 0 | | | ~存在整体方案各环节优化或优化方案的设计 | 0 | | | 提出bug数 | 0 | | ## 2. 方案简介 ### 2.1 算法流程介绍 #### 2.1.1. 模型或算法背景：年份，来源，解决什么问题，在同类算法中的精度/耗时评价（可提取paper中的表格或散点图） > **年份** ：2016 > **来源** ：Bewley A, Ge Z, Ott L, et al., 2016. Simple Online and Realtime Tracking[C/OL]//2016 IEEE International Conference on Image Processing (ICIP). 3464-3468[2025-06-01]. http://arxiv.org/abs/1602.00763. DOI:10.1109/ICIP.2016.7533003. > **问题背景** ： > 在多目标跟踪任务中，尤其是在自动驾驶、机器人等实时性强的应用场景下，传统的方法往往过于复杂，如联合概率数据关联（JPDA）、多假设跟踪（MHT）等，虽然精度高，但计算开销大，不适合实时执行。`SORT`是多目标跟踪中极简主义的典范，仅依赖运动信息实现高效数据关联，奠定了“检测即跟踪”的方法基础 #### 2.1.2. 算法流程梳理（必须使用流程框图）
算法流程图

图1：SORT算法流程图

#### 2.1.3. 模型结构上的创新与意义 > SORT首次提出卡尔曼滤波+IoU代价计算+匈牙利匹配这一跟踪范式，深远影响了deepsort、bytetrack等模型。 #### 2.1.4. 前后处理，或一些其他机制介绍（最好使用流程图） > 前处理包括将原图重采样、BGR->RGB以及归一化； > 后处理包括置信度阈值筛选、边界框解码以及NMS；SORT跟踪部分包括卡尔曼滤波预测与更新、对每个检测框和预测框进行IoU运动匹配代价的计算形成匹配代价矩阵、匈牙利算法匹配，以及最后的新轨迹生成与旧轨迹丢弃。 ### 2.2 硬件资源分配
资源划分图

图2：硬件资源划分图

## 3. 模型导出说明 > SORT是跟踪后处理算法，没有自己的模型需要导出，crt中检测器使用 > 本项目中提供了`crowdhuman.pt`，对yolov5用crowdhuman数据集进行训练，模型导出请将`weights\crowdhuman.pt`复制到modelzoo中`yolov5_7.0项目`并导出，将导出后文件复制到`2_compile\fmodel` ## 4. cpu处理部分c++工程移植说明 > - Psin工程中CPU环节负责前后处理 > - **在3_deploy/modelzoo中，本项目用相同框架与头文件实现了`sort、deepsort以及bytetrack`并在进行了简单的精度测试**。CPU：i7-11800H@2.30GHz | 算法 | fps |num_frames | IDF1 | IDP | IDR | Rcll | Prcn | GT | MT | PT | ML | FP | FN | IDsw | FM | MOTA | MOTP | | --------- | - |---------- | ------------------ | ----------------- | ------------------ | ------------------ | ------------------ | ---- | ------------ | ----------- | ----------- | ------------- | ------------- | ------------ | ------------ | ------------------ | ------------------ | | sort | **0.984** | 525 | 0.461642 | 0.461066 | 0.462219 | 0.806191 | 0.804181 | 5201 | 22 | 9 | **3** | 1021 | 1008 | 119 | 93 | 0.587002 | 0.177892 | | bytetrack | 0.977 |525 | **0.533672** | **0.52308** | 0.544703 | 0.898866 | **0.863183** | 5201 | 24 | **6** | 4 | **741** | 526 | **51** | 55 | **0.746587** | **0.177072** | | deepsort | 0.213588 |525 | 0.516827 | 0.469802 | **0.574313** | **0.927898** | 0.759044 | 5201 | **25** | **6** | **3** | 1532 | **375** | 77 | **50** | 0.618535 | 0.183301 | > - 各环节耗时，取 ``适配阶段仿真``耗时结果。 > > | 目标检测 | sort跟踪 | > | ------ | ---------- | > | 948.96ms | 0.62ms | ## 5. ICRAFT编译 **编译通过** - ### 使用运行时仿真得到的仿真效果 > 项目只提供crt，且结果以视频形式存在，不进行结果汇总 ## 6. 上板测试与优化 1. 优化前各环节耗时统计(表格) 2. 优化后耗时统计(表格) 3. 优化项与效果 > 分条描述做了哪些性能优化，提升了多少 > 4. 运行时工程的整体介绍（最好带流程图）