feat(kimi): DeepSORT reconstruction with mc_lambda & scipy interpolation

README_V2.md

@@ -0,0 +1,194 @@
+# Deep SORT v2 - PyTorch版本
+
+基于PyTorch的Deep SORT多目标跟踪系统升级版，支持多类别跟踪、端到端检测跟踪流程、EMA特征更新和轨迹插值。
+
+## 新特性
+
+### 1. PyTorch深度学习框架
+- 使用PyTorch替代TensorFlow
+- 实现了基于ResNet的特征提取器
+- 支持GPU加速
+
+### 2. 多类别跟踪 (Multi-Class Tracking)
+- 支持同时跟踪多个目标类别
+- 类别感知的轨迹关联
+- 可配置的类别匹配权重
+
+### 3. YOLOv8集成
+- 集成Ultralytics YOLOv8检测器
+- 支持视频文件 (.mp4) 和摄像头输入
+- 端到端"目标检测 -> 深度特征提取 -> 轨迹关联"流程
+
+### 4. EMA特征更新
+- 使用指数移动平均(EMA)平滑目标特征
+- 减少检测器误差引入的错误特征
+- 提高特征表示的稳定性
+
+### 5. 轨迹插值与平滑
+- 离线轨迹插值填补遮挡期间的缺失帧
+- 支持线性插值和样条插值
+- 轨迹平滑减少抖动
+
+## 安装
+
+```bash
+# 安装依赖
+pip install -r requirements.txt
+
+# 下载YOLOv8模型（首次使用会自动下载）
+# 可选模型: yolov8n.pt, yolov8s.pt, yolov8m.pt, yolov8l.pt, yolov8x.pt
+```
+
+## 快速开始
+
+### 摄像头实时跟踪
+
+```bash
+python deep_sort_app_v2.py --source 0
+```
+
+### 视频文件跟踪
+
+```bash
+python deep_sort_app_v2.py \
+    --source path/to/video.mp4 \
+    --save-video \
+    --output result.mp4
+```
+
+### 多类别跟踪（人和车辆）
+
+```bash
+python deep_sort_app_v2.py \
+    --source path/to/video.mp4 \
+    --classes 0 2 3 5 7 \
+    --save-video
+```
+
+类别ID对应关系（COCO数据集）：
+- 0: person (人)
+- 2: car (汽车)
+- 3: motorcycle (摩托车)
+- 5: bus (公交车)
+- 7: truck (卡车)
+
+## 参数说明
+
+### 输入输出
+- `--source`: 视频文件路径或摄像头索引 (默认: 0)
+- `--output`: 输出视频路径
+- `--save-video`: 保存输出视频
+
+### 模型设置
+- `--model`: YOLOv8模型路径 (默认: yolov8n.pt)
+- `--feature-model`: 特征提取器模型路径（可选）
+
+### 检测参数
+- `--conf-threshold`: 检测置信度阈值 (默认: 0.3)
+- `--iou-threshold`: NMS IOU阈值 (默认: 0.45)
+- `--classes`: 要跟踪的类别ID列表
+
+### 跟踪参数
+- `--max-cosine-distance`: 最大余弦距离 (默认: 0.2)
+- `--nn-budget`: 外观描述符库大小 (默认: 100)
+- `--max-age`: 轨迹最大存活帧数 (默认: 30)
+- `--n-init`: 轨迹初始化所需检测次数 (默认: 3)
+- `--ema-alpha`: EMA平滑因子 (默认: 0.9)
+- `--mc-lambda`: 多类别匹配权重 (默认: 0.995)
+
+### 后处理参数
+- `--no-interpolation`: 禁用轨迹插值
+- `--no-smoothing`: 禁用轨迹平滑
+- `--max-interpolation-gap`: 最大插值间隔 (默认: 30)
+
+## API使用示例
+
+```python
+from deep_sort import (
+    Tracker,
+    NearestNeighborDistanceMetric,
+    YOLODetector,
+    FeatureExtractor
+)
+
+# 创建检测器
+detector = YOLODetector(
+    model_path='yolov8n.pt',
+    conf_threshold=0.3,
+    classes=[0]  # 只检测人
+)
+
+# 创建特征提取器
+feature_extractor = FeatureExtractor(device='cuda')
+
+# 创建跟踪器
+metric = NearestNeighborDistanceMetric("cosine", 0.2, 100)
+tracker = Tracker(
+    metric,
+    max_iou_distance=0.7,
+    max_age=30,
+    n_init=3,
+    ema_alpha=0.9,  # EMA平滑因子
+    mc_lambda=0.995  # 多类别匹配权重
+)
+
+# 处理视频
+import cv2
+cap = cv2.VideoCapture('video.mp4')
+
+while True:
+    ret, frame = cap.read()
+    if not ret:
+        break
+
+    # 检测和跟踪
+    results = detector.detect_and_track(frame, tracker, feature_extractor)
+
+    # 处理结果
+    for result in results:
+        track_id = result['track_id']
+        bbox = result['bbox']  # [x1, y1, x2, y2]
+        class_id = result['class_id']
+        class_name = result['class_name']
+
+        print(f"Track {track_id}: {class_name} at {bbox}")
+
+cap.release()
+```
+
+## 项目结构
+
+```
+deep_sort/
+├── deep_sort/
+│   ├── __init__.py
+│   ├── detection.py          # 检测类
+│   ├── track.py              # 轨迹类（含EMA）
+│   ├── tracker.py            # 跟踪器（多类别支持）
+│   ├── kalman_filter.py      # 卡尔曼滤波
+│   ├── nn_matching.py        # 最近邻匹配
+│   ├── linear_assignment.py  # 线性分配
+│   ├── iou_matching.py       # IOU匹配
+│   ├── deep_feature_extractor.py  # PyTorch特征提取器
+│   ├── yolo_detector.py      # YOLOv8检测器
+│   └── track_interpolation.py # 轨迹插值与平滑
+├── deep_sort_app_v2.py       # 主应用
+├── example_usage.py          # 使用示例
+├── requirements.txt
+└── README_V2.md
+```
+
+## 性能优化建议
+
+1. **使用GPU**: 确保CUDA可用以加速特征提取
+2. **选择合适的YOLO模型**: 
+   - yolov8n.pt: 最快，精度较低
+   - yolov8s.pt: 平衡
+   - yolov8m/l/x.pt: 更慢，精度更高
+3. **调整跟踪参数**:
+   - 降低`max_age`可减少ID切换但可能丢失目标
+   - 调整`ema_alpha`平衡特征更新速度
+
+## 许可证
+
+与原Deep SORT项目相同。

deep_sort/__init__.py

@@ -1 +1,27 @@
-# vim: expandtab:ts=4:sw=4
+from .detection import Detection
+from .track import Track, TrackState
+from .tracker import Tracker
+from .kalman_filter import KalmanFilter
+from .nn_matching import NearestNeighborDistanceMetric
+from .deep_feature_extractor import FeatureExtractor, DeepFeatureExtractor, create_box_encoder
+from .yolo_detector import YOLODetector, VideoCapture
+from .track_interpolation import TrackInterpolator, TrajectorySmoother, TrackPostProcessor
+
+__version__ = '2.0.0'
+
+__all__ = [
+    'Detection',
+    'Track',
+    'TrackState',
+    'Tracker',
+    'KalmanFilter',
+    'NearestNeighborDistanceMetric',
+    'FeatureExtractor',
+    'DeepFeatureExtractor',
+    'create_box_encoder',
+    'YOLODetector',
+    'VideoCapture',
+    'TrackInterpolator',
+    'TrajectorySmoother',
+    'TrackPostProcessor',
+]