匈牙利和km经典好用，原理也没有那么复杂，只是不是特定领域的人不会关注。

王恺此前也是对此一窍不通，乖乖领着资料就去看了。

孟繁岐则环顾四周，溜达了一圈，挑选了一个平平无奇的工位。

“正巧啊，这位置目前还没有人在使用。”孟繁岐感情复杂地笑了一下，这个工位正是他重生前曾使用了许久的。

时隔六七年，各种办公用具，装饰摆件都有不小的差别，甚至窗外的景致也有些不同。

同样的地点同样的公司，同样的写着代码。

只是地位上已经天差地别。

孟繁岐的代码改造工作非常顺利，这主要是因为他在写yolo这部分内容的时候，就已经考虑到了其他功能的扩展。

基于检测的算法变种还是相当之多的，最为擅长视觉算法的孟繁岐早就在对应位置留下了方便改造的接口。

当初只是因为资源有限，跑不了那么多实验，这才只做了最基础的部分。

设想中，是为了方便自己的程序员同行们做二次开发用的，却没想到自己竟然是第一个做二次开发的。

思路明确的孟繁岐，轻车熟路，很快就在yolo算法图的几个关键位置抽了一些特征出来。

根据选框的信息，设计了一下单帧各选框的陈列方法，并加入匈牙利算法测试了一下匹配情况。

这系列的任务孟繁岐太过熟悉，因此仅仅花费了一个多小时，就已经完成了一般。

加权的匈牙利算法其实就是km算法，在这个项目中，孟繁岐针对政府的场景情况专门设计了一下这个匹配权重的计算方式。

可以说，这样的单一场景，其实不用卡尔曼滤波器，效果也完全是足够好了。

不过，由于开发太过顺利，孟繁岐也就不打算偷懒，准备午休一下，下午把卡尔曼滤波也加上，事情就算是完成了。

“特么的已经快写完了？”王恺费劲巴拉地看了一上午，两个算法的原理流程刚刚勉强吃透，结果孟繁岐却告诉他这件事下午就可以结束了。