更改deepsort.update增加分类

如何更改deepsort中的update函数,使outpus增加目标的类别？

引用chatgpt部分指引作答：
要在DeepSORT的update函数中添加目标的类别信息，您需要进行以下更改：

1、在目标的跟踪状态中添加一个新的变量来保存目标的类别。您可以在TrackState类中添加一个新的属性来存储目标的类别，例如class_label。

class TrackState:
    def __init__(self, track_id):
        self.track_id = track_id
        self.class_label = None  # 新增的类别属性
        # ...

2、在DeepSORT类的update函数中，当更新跟踪目标时，将目标的类别信息传递给相应的TrackState对象。

class DeepSORT:
    def __init__(self):
        # 初始化...

    def update(self, detections):
        # ...

        # 更新跟踪目标
        for track in self.tracks:
            if not track.is_confirmed() or track.is_deleted():
                continue

            track.predict(self.kf)

            # 查找最匹配的检测结果
            detection_idx = self._match_detection(track, detections)

            if detection_idx is not None:
                # 更新跟踪状态
                track.update(self.kf, detections[detection_idx])
                track.state.class_label = detections[detection_idx].class_label  # 将类别信息赋值给目标的class_label属性

            # ...

在上述代码中，假设您的检测结果对象具有class_label属性来存储目标的类别信息。请根据您的具体数据结构进行相应的更改。

通过以上修改，DeepSORT的update函数将在更新跟踪目标时将目标的类别信息添加到outputs中。

你是不是没有看官方文档嘞!!

看下这个 demo 有木有用

def create_detection(bbox, confidence, category):
    """
    创建一个包含检测结果的字典。
    
    参数：
        bbox (list): 目标的边界框坐标，形如[x_min, y_min, x_max, y_max]。
        confidence (float): 检测结果的置信度。
        category (int): 目标的类别信息。
        
    返回：
        detection (dict): 包含目标检测结果的字典。
    """
    return {'bbox': bbox, 'confidence': confidence, 'category': category}

def update(self, detections):
    """
    对给定的检测结果进行单次更新。

    参数：
        detections (list): 当前帧中的目标检测结果列表。
        
    返回：
        updated_tracks (list): 更新后的跟踪目标状态列表。
    """
    # ... 省略部分代码
    
    # 将检测结果与跟踪目标进行匹配
    if self.tracks:
        track_indices = list(range(len(self.tracks)))
        detection_indices = nn_matching.matching_cascade(
            self.similarity_metric, self.neighborhood_size,
            self.detection_threshold, self.track_threshold, self.fallback_iou_threshold,
            self.tracks, detections, track_indices, detection_indices)

        # 更新匹配成功的目标状态
        for track_idx, detection_idx in zip(track_indices, detection_indices):
            self.tracks[track_idx].update(detections[detection_idx], self.frame_num)
            # 将目标的类别信息添加到检测结果中
            detections[detection_idx]['category'] = self.tracks[track_idx].category

    # ... 省略部分代码
    
    # 返回更新后的跟踪目标状态列表
    return [track.to_dict() for track in self.tracks] + detections

摘取自 https://github.com/nwojke/deep_sort

def update(self, bbox_xywh, confidences, ori_img):
    self.height, self.width = ori_img.shape[:2]
    # generate detections
    features = self._get_features(bbox_xywh, ori_img)
    bbox_tlwh = self._xywh_to_tlwh(bbox_xywh)
    detections = [Detection(bbox_tlwh[i], conf, features[i]) for i, conf in enumerate(
        confidences) if conf > self.min_confidence]

    # run on non-maximum supression
    boxes = np.array([d.tlwh for d in detections])
    scores = np.array([d.confidence for d in detections])
    indices = non_max_suppression(boxes, self.nms_max_overlap, scores)
    detections = [detections[i] for i in indices]

    # update tracker
    self.tracker.predict()
    self.tracker.update(detections)

    # output bbox identities
    outputs = []
    for track in self.tracker.tracks:
        if not track.is_confirmed() or track.time_since_update > 1:
            continue
        box = track.to_tlwh()
        x1, y1, x2, y2 = self._tlwh_to_xyxy(box)
        track_id = track.track_id
        outputs.append(np.array([x1, y1, x2, y2,track_id], dtype=np.int))
    if len(outputs) > 0:
        outputs = np.stack(outputs, axis=0)
    return np.array(outputs)

怎么在这个update函数中再加入类别矩阵，跟踪后把结果加入到outputs中？

要修改DeepSORT中的update函数以增加目标的类别，您需要进行以下步骤：

在deep_sort/tracker.py文件中找到update函数。
在函数参数中添加一个额外的参数，用于传递目标的类别信息。例如，您可以将参数命名为class_label。
在函数内部的相关位置，将目标的类别信息与跟踪器的输出进行关联。这可以通过在更新后的目标上设置新的类别属性来实现。例如，您可以使用track.class_label = class_label将目标的类别信息赋值给跟踪器。
确保在其他相关函数或模块中，正确地传递目标的类别信息，并将其传递给update函数。
运行修改后的代码，并验证输出中是否包含了目标的类别信息。

请注意，以上是一般的指导步骤。具体修改update函数的细节可能取决于DeepSORT的代码结构和实现方式，您可能需要根据代码的具体情况进行适当的修改和调整。