ByteTrack
主要方法：
1 对当前帧中（置信度高于最低阈值的）所有检测框，根据置信度中间阈值分成 高置信度检测框 和 低置信度检测框。（几乎保留所有检测框进行轨迹匹配）
2 对于高置信度的检测框，很容易关联到之前的轨迹中（伪代码17-19行）
（2.1）使用当前帧的检测框和上一帧的卡尔曼滤波预测（或估计）结果，使用IOU计算相似度（或者如果有用ReID的话，会计算特征间距离计算相似度）。
（2.2）基于相似度采用匈牙利算法进行匹配。
（2.3）要保留未匹配到轨迹的高置信度检测框（即当前帧剩的检测框） 和 未匹配到检测框的上一帧存在的轨迹（即上一帧剩的轨迹）。
3 对于低置信度的检测框（伪代码20-21行）
（3.1）先与（2.3）中剩的轨迹关联。其实就是当前低置信度的检测框和（2.3）中剩下的轨迹关联。这里值得说明的是，此处关联要使用IOU计算相似度，因为低置信度检测框通常模糊或存在遮挡，此时用ReID并不可靠。
（3.2）要保留（3.1）中仍然未匹配到检测框的轨迹
（3.3）删除在（3.1）中未匹配到轨迹的低置信度的检测框。认为这些低置信度的检测框不包含目标。
4 对于未匹配到轨迹的高置信度检测框，作为新的轨迹保存。（伪代码23-27）
BYTE伪码图示：
ref
ref1: https://zhuanlan.zhihu.com/p/613223235