Awesome GitHub RepositoriesObject Tracking Frameworks

This project is a modular research toolkit designed for developing, training, and evaluating deep learning models for object detection, segmentation, and video instance tracking. It provides a flexible training engine that manages complex neural network execution, including distributed training, custom lifecycle hooks, and weight optimization. The framework is built around a hierarchical configuration system that allows users to define architectures, data pipelines, and training hyperparameters through composable, inheritable files. The project distinguishes itself through its highly modular

This project is a foundation model and research toolkit designed for promptable object segmentation and temporal tracking. It provides a unified framework for isolating specific regions or objects within both static images and dynamic video sequences. The system distinguishes itself through a streaming memory architecture that maintains temporal consistency by storing and retrieving object features across frames. This mechanism allows the model to resolve occlusions and preserve object identity even when targets move out of view or change appearance. By utilizing a shared backbone for both im

Boxmot is a multi-object tracking framework designed to follow multiple objects across video frames using motion and appearance algorithms to maintain consistent identities. It functions as a system for tracking objects with specific orientations using rotated bounding boxes and corresponding intersection-over-union computations. The project includes a re-identification model optimizer that converts neural networks into formats for hardware-accelerated execution. It also features an evolutionary hyperparameter tuner that iteratively mutates tracker settings to maximize accuracy for specific d

ByteTrack is a multi-object tracking framework that implements the ByteTrack algorithm, an ECCV 2022 method designed to recover occluded objects and reduce trajectory fragmentation. The core innovation of the project is its association algorithm, which processes every detection box—including low-confidence ones—by using separate high and low score thresholds, Kalman filter motion prediction, and Hungarian algorithm matching to produce consistent object identities across video frames. The project distinguishes itself by its comprehensive approach to handling occlusions and fragmented trajector

DeepSORT هو إطار عمل لتتبع كائنات متعددة في الوقت الفعلي مصمم للحفاظ على هويات متسقة لكائنات متعددة عبر إطارات الفيديو. يدمج ميزات مظهر التعلم العميق مع واصفات الحركة لتتبع الكائنات عبر تسلسل من بيانات الفيديو. يستخدم النظام شبكة عصبية تلافيفية عميقة لتوليد واصفات مرئية عالية الأبعاد لإعادة تحديد الأشخاص. يتم دمج ميزات المظهر هذه مع تقدير الحركة عبر مرشح كالمان وحلها باستخدام خوارزمية المجر لربط الاكتشافات بشكل مثالي مع المسارات الموجودة. يتضمن إطار العمل قدرات لتصفية الربط القائمة على البوابات وإدارة المسار القائمة على الحالة للتعامل مع دورات حياة الكائنات. كما يوفر أدوات لعرض نتائج التتبع على إطارات الفيديو وتقييم أداء التتبع مقابل المعايير الراسخة.

pysot is a computer vision framework designed for single object tracking. It provides a platform for implementing and evaluating algorithms that locate and follow specific target objects across sequences of video frames. The project includes implementations of the SiamRPN architecture for region proposal network based localization and the SiamMask model, which combines tracking with binary mask generation to provide pixel-level segmentation of objects. The framework also contains a visual tracking evaluation toolkit used to measure the accuracy and reliability of tracking algorithms against

FairMOT هو إطار عمل لتتبع الكائنات المتعددة ونموذج تعلم عميق مصمم لتحديد وتتبع كيانات متعددة عبر إطارات الفيديو. ينفذ خط أنابيب موحداً يدمج اكتشاف الكائنات وإعادة تحديد الهوية في شبكة مشتركة من مرحلة واحدة. يستخدم النظام طريقة اكتشاف خالية من المراسي (anchor-free) للتنبؤ بمراكز الكائنات وأبعاد صناديق التحديد. يحافظ على اتساق الهوية عبر الإطارات المتتالية من خلال إنشاء متجهات تضمين عالية الأبعاد لإعادة التحديد واستخدام مرشح Kalman للتنبؤ بحالة الحركة. يغطي إطار العمل مجموعة واسعة من قدرات الرؤية الحاسوبية، بما في ذلك اكتشاف الكائنات في الوقت الفعلي واستخدام خوارزمية Hungarian لتعيين المسارات. كما يتضمن أدوات لتدريب النماذج على مجموعات بيانات صور مخصصة وإنشاء تصورات فيديو مع صناديق تحديد متراكبة ومعرفات ثابتة.

mmtracking is a PyTorch video perception framework designed for training and deploying computer vision models that analyze sequential image data. It provides specialized tools for multi-object tracking, video instance segmentation, and a configuration-driven system for managing deep learning models. The project utilizes a deep learning model registry and a configuration-driven pipeline to swap model backbones and detectors without modifying the core codebase. This modular approach allows for the development of custom perception architectures by combining various components and configurations.

This project is a multi-object tracking library and computer vision toolkit designed to maintain consistent identity IDs for objects across video frames. It provides a motion-based object tracking system that converts raw detections into stable temporal tracks, enabling the analysis of object movement and behavior over time. The toolkit distinguishes itself through advanced identity maintenance, utilizing Kalman filters for linear motion tracking and sparse optical flow for camera motion estimation. It features multi-stage object association to recover occluded objects and non-linear motion t

هذا المشروع عبارة عن خط أنابيب رؤية حاسوبية يدمج اكتشاف الكائنات وتتبعها لمراقبة الكائنات المتحركة داخل تدفقات الفيديو. يعمل كأداة تحليلات شاملة تعالج إطارات الفيديو لتحديد، وتصنيف، والحفاظ على الهوية الفريدة للكائنات أثناء تحركها عبر المشهد. يستخدم النظام مزيجاً من استنتاج التعلم العميق للاكتشاف وتقدير الحركة لضمان الاستمرارية الزمنية. من خلال إقران واصفات المظهر المرئي بنمذجة الحركة التنبؤية، فإنه يحافظ على هويات الكائنات حتى أثناء الانسدادات المؤقتة أو عندما يكون التداخل المكاني غير كافٍ. يستخدم إطار العمل معالجة تسلسلية لمزامنة نتائج الاكتشاف مع منطق التتبع، مما يسمح بالمراقبة المتسقة لأنماط الحركة. بعيداً عن التتبع الأساسي، يتضمن البرنامج قدرات لقياس النشاط داخل تغذية الفيديو. ويدعم حساب إجمالي الكائنات أو المركبات أثناء عبورها خطوطاً محددة أو دخولها مناطق معينة. تم هيكلة التنفيذ كإطار عمل تطوير لبناء تطبيقات رؤية مخصصة تفسر وتستخرج البيانات من البيئات الديناميكية.