SORT（简单在线实时跟踪）

SORT 是 2016 年提出的经典轻量多目标跟踪算法，以卡尔曼滤波 + 匈牙利算法为核心，在极低计算开销下实现在线实时跟踪。它是 DeepSORT、ByteTrack 等现代跟踪器的重要基线与前身。

SORT 将多目标跟踪（MOT）问题拆解为 检测、预测、关联 三步流水线，追求最小化算法复杂度。

• 检测阶段：依赖外部检测器（如 Faster R-CNN）对每帧输出目标边界框，SORT 本身不训练检测模型
• 预测阶段：用卡尔曼滤波器对每条已有轨迹预测当前帧的位置与尺寸
• 关联阶段：以预测框与检测框的 IoU 为代价矩阵，运行匈牙利算法求全局最优匹配
• 轨迹管理：匹配成功则更新轨迹；超出最大丢失帧数则删除；新检测框创建新轨迹
• 全流程纯 CPU 可运行，速度可达 260 Hz 以上

SORT 的运动模型假设目标做匀速直线运动，状态向量为 [x, y, w, h, ẋ, ẏ, ẇ, ḣ]，其中 (x,y) 为中心坐标，(w,h) 为宽高。

• 卡尔曼预测：根据上一帧状态向量与协方差矩阵，预测当前帧目标位置，处理观测噪声与过程噪声
• IoU 代价矩阵：计算所有预测框与检测框两两之间的 交并比（IoU），取 1−IoU 为代价
• 匈牙利算法：在代价矩阵上求最小代价匹配，IoU 低于阈值的配对直接剔除（通常 IoU_min=0.3）
• 卡尔曼更新：匹配成功的轨迹用检测框坐标做观测更新，修正状态估计
• 匹配失败的轨迹进入「丢失」状态，保留至多 max_age 帧后销毁

SORT 作为基线催生了多条重要改进方向，形成多目标跟踪的主要技术分支。

• DeepSORT（2017）：在 SORT 基础上引入深度外观网络（ReID），额外计算余弦外观距离，ID Switch 减少约 45%
• ByteTrack（2022）：创新性地利用低置信度检测框进行两阶段关联，显著降低漏跟率
• StrongSORT：结合更强的卡尔曼运动模型、ECC 相机补偿与 OSNet 外观模型
• OC-SORT（2022）：引入「观测中心」重关联机制，改善遮挡后的 ID 保持
• BoT-SORT（2022）：融合相机运动补偿与 ReID，在多个基准上取得 SOTA

SORT 及其变体广泛应用于需要实时多目标跟踪的视觉任务，尤其在对计算资源敏感的场景中优势突出。

• 自动驾驶感知：对行人、车辆进行跨帧关联，为轨迹预测和路径规划提供输入
• 视频监控：在闭路电视场景下统计人流、检测异常行为，需稳定 ID 关联
• 体育视频分析：跟踪球员、运动员位置，辅助战术分析与赛事转播
• 无人机巡检：边缘设备上轻量部署，实时跟踪地面目标
• 机器人导航：感知动态障碍物，为避障决策提供轨迹信息

SORT 在多目标跟踪技术栈中处于核心位置，了解其与相关概念的边界有助于选型。

• SORT vs DeepSORT：SORT 仅用运动（IoU），DeepSORT 额外引入深度外观特征；前者更快，后者遮挡鲁棒性更强
• SORT vs ByteTrack：ByteTrack 利用低置信度检测框做二阶段关联，减少 SORT 中因漏检导致的轨迹断裂
• 在线 vs 离线跟踪：SORT 是典型在线跟踪器，仅依赖当前及历史帧；离线跟踪器（如 MHT）可使用未来帧信息，精度更高但延迟大
• 跟踪 vs 检测：SORT 本身不做检测，只做「检测结果的时序关联」，需配合 YOLO 等检测器使用
• 单目标 vs 多目标：SORT 专为 MOT（多目标跟踪）设计，维护多条轨迹并行更新

SORT 因其极简设计而存在若干固有局限，使用前需充分了解。

• ID Switch 频繁：无外观特征，遮挡或交叉后极易换 ID，在拥挤场景表现差
• 依赖检测质量：检测器漏检或误检直接导致轨迹断裂或虚假轨迹，对检测器要求较高
• 线性运动假设：卡尔曼模型假设匀速运动，对急加速、转向等非线性运动预测偏差大
• 误区——DeepSORT 就是 SORT 的官方升级版：两者由不同团队发布（ICIP 2016 vs arXiv 2017），DeepSORT 是基于 SORT 框架的社区扩展
• 误区——SORT 只能跟行人：SORT 是通用框架，行人是常见测评对象，但可跟踪车辆、动物等任意目标

多目标跟踪领域经历了从传统滤波到深度学习驱动的范式迁移，SORT 是其中的重要转折点。

• 2016 年：Bewley 等提出 SORT，以极简 Kalman+Hungarian 框架在 MOT 基准上实现实时跟踪，MOTA 达 59.8
• 2017 年：Wojke 等提出 DeepSORT（arXiv:1703.07402），引入深度外观网络，ID Switch 减少 45%
• 2020 年：CenterTrack、FairMOT 等将检测与 ReID 融合到单网络，实现联合优化
• 2022 年：ByteTrack 提出低置信度框二阶段关联，HOTA 达 63.1，成为新基线
• 2022-2024 年：OC-SORT、BoT-SORT、StrongSORT 等在 SORT 框架上持续改进运动模型与外观融合策略
• 2024 年至今：基于 Transformer 的端到端跟踪器（如 MOTR、TrackFormer）开始挑战传统 tracking-by-detection 范式