Awesome GitHub RepositoriesObject Tracking Systems

Ultralytics is a comprehensive computer vision framework designed for training, validating, and deploying deep learning models across a wide range of visual recognition tasks. It provides a unified interface for core operations including object detection, instance segmentation, pose estimation, and image classification. By utilizing a modular architecture, the platform allows users to swap model components to balance inference speed and accuracy requirements for diverse applications. The framework distinguishes itself through its support for real-time processing and flexible deployment. It in

PaddleDetection is an object detection framework designed for the end-to-end development, training, and deployment of computer vision models. It provides a comprehensive library of modular neural network architectures and pipelines that support object detection, instance segmentation, and multi-object tracking tasks. The project distinguishes itself through a configuration-driven approach that decouples model components like backbones and heads, allowing for the flexible assembly of custom vision workflows. It incorporates advanced techniques such as anchor-free detection logic, joint detecti

jetson-inference is a set of libraries and tools for executing optimized deep learning models on embedded GPU hardware. Its primary purpose is to enable real-time computer vision and AI inference at the edge with low latency and high throughput. The project distinguishes itself through high-performance streaming analytics and the ability to execute concurrent AI pipelines on auto-grade silicon. It provides specialized support for multi-sensor stream processing, utilizing zero-copy data transport to load camera frames directly into GPU memory. The codebase covers a broad surface of capabiliti

This project is a comprehensive collection of educational examples and reference implementations for building vision and language models using PyTorch. It serves as a deep learning tutorial covering the end-to-end process of developing neural networks, from initial architecture definition to final production deployment. The repository provides detailed guides on implementing a wide range of domain-specific models, including convolutional neural networks for object detection and segmentation, as well as transformer and recurrent architectures for natural language processing. It emphasizes gene

This project is a computer vision system for object segmentation and tracking across images and videos. It employs models capable of identifying and masking objects using text prompts, bounding boxes, click points, or image exemplars. The system differentiates itself through memory-based video tracking and shared-memory architectures that maintain consistent object identities over time. It supports multi-object processing in single computation passes to increase frame throughput and utilizes iterative refinement to correct segmentation boundaries through sequential prompts. The software also

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 es un framework de seguimiento de múltiples objetos en tiempo real diseñado para mantener identidades consistentes de múltiples objetos a través de fotogramas de video. Integra características de apariencia de aprendizaje profundo con descriptores de movimiento para rastrear objetos a través de una secuencia de datos de video. El sistema utiliza una red neuronal convolucional profunda para generar descriptores visuales de alta dimensión para la reidentificación de personas. Estas características de apariencia se combinan con la estimación de movimiento mediante filtrado de Kalman y se resuelven utilizando el algoritmo húngaro para asociar de manera óptima las detecciones con los seguimientos existentes. El framework incluye capacidades para el filtrado de asociaciones basado en gating y la gestión de seguimientos basada en estados para manejar los ciclos de vida de los objetos. También proporciona herramientas para renderizar resultados de seguimiento en fotogramas de video y evaluar el rendimiento del seguimiento frente a benchmarks establecidos.

Gluon-CV es una biblioteca de visión artificial para MXNet que proporciona una colección completa de arquitecturas de visión preimplementadas y tuberías de entrenamiento. Sirve como un kit de herramientas de investigación de aprendizaje profundo y un zoológico de modelos (model zoo) que contiene pesos preentrenados de última generación para análisis de imágenes y video. El proyecto incluye una biblioteca especializada en estimación de pose humana y un kit de herramientas de compresión de modelos. Estas herramientas permiten la poda (pruning) y cuantización de modelos de aprendizaje profundo para aumentar la velocidad de inferencia y facilitar el despliegue en hardware de borde (edge hardware) con recursos limitados. La biblioteca cubre una amplia gama de capacidades de visión, incluyendo clasificación de imágenes, detección de objetos y segmentación semántica e instanciada. También proporciona herramientas para análisis de video, como reconocimiento de acciones, seguimiento de objetos y estimación de profundidad monocular. El entrenamiento es compatible a través de tuberías automatizadas y cargas de trabajo distribuidas multi-GPU para acelerar la convergencia del modelo.

Este proyecto es un framework de re-identificación de personas en PyTorch diseñado para entrenar y evaluar modelos que identifican individuos a través de diferentes vistas de cámara. Proporciona un pipeline completo de entrenamiento de modelos, un extractor de características de deep learning para convertir imágenes en vectores numéricos y una suite de herramientas de benchmarking de visión artificial para medir la precisión de recuperación de identidad. El framework incluye un toolkit de aprendizaje por transferencia (transfer learning) especializado que soporta congelación de capas, optimización de tasa de aprendizaje por etapas y tasas de aprendizaje diferenciales para el ajuste fino de modelos preentrenados. Se distingue por un motor extensible que permite el desarrollo de lógica de entrenamiento personalizada y la implementación de objetivos de optimización específicos como la minería de triplet loss de muestras difíciles y el suavizado de etiquetas (label smoothing). El sistema cubre la gestión integral de datasets, incluyendo soporte para benchmarks estándar, muestreo de lotes equilibrado y aumento de imágenes. Proporciona utilidades de evaluación para calcular rangos de recuperación y distancias de características, así como herramientas de visualización para generar mapas de calor de activación y galerías de recuperación clasificadas. El proyecto está implementado en Python y aprovecha PyTorch para sus operaciones de deep learning.

Roboflow Sports is a sports video analysis system that combines object detection and tracking with bird's-eye field visualization. Its core pipeline detects and tracks players, referees, and balls across video frames, then maps those tracked positions onto a radar-style overhead view of the playing field. The system goes beyond basic detection by localizing field boundaries and key landmarks such as pitch lines and corners, enabling spatial mapping of player positions relative to the field geometry. It classifies detected players by team affiliation through visual feature extraction and clust

Este proyecto es un recurso educativo integral y un curso para construir redes neuronales usando PyTorch. Cubre los bloques de construcción fundamentales del deep learning, incluyendo la manipulación de tensores, la diferenciación automática y la construcción de componentes modulares de redes neuronales. El repositorio sirve como guía técnica para varios dominios especializados. Proporciona detalles de implementación para tareas de visión artificial como clasificación de imágenes, detección de objetos y segmentación semántica, así como flujos de trabajo de procesamiento de lenguaje natural que involucran transformers, redes recurrentes y modelos generativos. Además, incluye una referencia para IA generativa, centrándose específicamente en la síntesis de imágenes mediante modelos de difusión y redes adversarias. El material se extiende a pipelines de optimización y despliegue de modelos. Cubre técnicas para reducir el tamaño del modelo y aumentar la velocidad de inferencia mediante cuantización y la exportación de modelos a formatos como ONNX y TensorRT. Otras áreas de capacidad incluyen ingeniería de datos para carga paralela, evaluación de modelos mediante métricas personalizadas y el despliegue de modelos de lenguaje grandes (LLM) de código abierto. El proyecto se entrega principalmente como una serie de Jupyter Notebooks.

Este proyecto es un framework de aprendizaje profundo basado en PyTorch y una línea base de aprendizaje supervisado para la reidentificación de personas y vehículos. Proporciona una tubería completa para entrenar y evaluar modelos diseñados para extraer embeddings de características basados en identidad y hacer coincidir la misma entidad a través de diferentes vistas de cámara. El framework se distingue por su soporte para la coincidencia de identidad cross-modality, permitiendo la recuperación de identidades a través de diferentes sensores de imagen como RGB e infrarrojos. También incluye un refinamiento de recuperación avanzado mediante técnicas de re-ranking, utilizando codificación recíproca y redes neuronales de grafos para mejorar la precisión de la clasificación. El sistema cubre una amplia gama de capacidades de visión por computadora, incluyendo la extracción de embeddings de características, la evaluación de recuperación de imágenes y el preprocesamiento de datos con aumento de borrado aleatorio. Proporciona herramientas para la optimización de modelos mediante la fusión de convolución y normalización por lotes, así como la aceleración de inferencia TensorRT. Se incluyen herramientas de monitoreo y diagnóstico para visualizar mapas de calor de atención del modelo y resultados de identificación. La biblioteca también implementa mecanismos defensivos mediante entrenamiento adversario para aumentar la robustez del modelo.

This project is a multi-object tracking framework designed to assign persistent identities to detected bounding boxes across consecutive video frames. It functions as a computer vision tracking algorithm that monitors multiple moving targets in real time by associating detections with consistent labels. The system utilizes a state estimation approach centered on a Kalman filter to predict future object positions and maintain identity during detection gaps. It employs the Hungarian algorithm for optimal data association and calculates intersection over union to match predicted track locations

FairMOT is a multi-object tracking framework and deep learning model designed to identify and track multiple entities across video frames. It implements a unified pipeline that integrates object detection and identity re-identification into a single-stage joint network. The system utilizes an anchor-free detection method to predict object centers and bounding box dimensions. It maintains identity consistency across consecutive frames by generating high-dimensional embedding vectors for re-identification and employing a Kalman filter for motion state prediction. The framework covers a broad r

fast-reid is a PyTorch-based computer vision framework designed for building, training, and deploying deep learning models for identity-based vision tasks. It provides a specialized toolbox for person re-identification and vehicle re-identification, enabling the matching of individuals and vehicles across non-overlapping camera views. The project includes tools for person attribute recognition to identify specific physical characteristics and traits. It features a modular model zoo that allows for the swapping and benchmarking of different re-identification architectures. The framework cover

Human is a TensorFlow.js computer vision library used for face, body, and hand tracking within the browser or Node.js. It provides a framework for human pose and gesture tracking, facial recognition, and biometric liveness detection to verify a live human presence. The project distinguishes itself through a full suite of identity and motion tools, including a facial recognition framework that generates embeddings for similarity matching and a background segmenter for separating humans from their environment. It incorporates a liveness detector to prevent spoofing during facial analysis. The

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

Este proyecto es una tubería (pipeline) de visión artificial que integra detección y seguimiento de objetos para monitorear objetos en movimiento dentro de flujos de video. Funciona como una herramienta de análisis de extremo a extremo que procesa fotogramas de video para identificar, clasificar y mantener la identidad única de los objetos a medida que se mueven a través de una escena. El sistema utiliza una combinación de inferencia de deep learning para la detección y estimación de movimiento para asegurar la continuidad temporal. Al emparejar descriptores de apariencia visual con modelos de movimiento predictivos, mantiene las identidades de los objetos incluso durante oclusiones temporales o cuando la superposición espacial es insuficiente. El framework emplea procesamiento secuencial para sincronizar los resultados de la detección con la lógica de seguimiento, permitiendo el monitoreo consistente de patrones de movimiento. Más allá del seguimiento básico, el software incluye capacidades para cuantificar la actividad dentro de un feed de video. Admite el cálculo de recuentos totales de objetos o vehículos a medida que cruzan líneas designadas o entran en áreas específicas. La implementación está estructurada como un framework de desarrollo para construir aplicaciones de visión personalizadas que interpretan y extraen datos de entornos dinámicos.

This project is a computer vision framework designed for the detection, identification, and tracking of human subjects within video streams. It provides an integrated system for locating individuals, generating biometric models from image datasets, and maintaining identity labels across consecutive video frames. The system distinguishes itself through its ability to maintain identity persistence across multiple camera feeds. By utilizing deep learning inference to extract feature vector embeddings and applying motion prediction algorithms, it links unique identity signatures across disparate