DeepSORT中tracker.update报错TypeError: tuple indices must be integers

问题根源 #

报错发生在deep_sort/linear_assignment.py的min_cost_matching函数中，执行if col not in indices[:, 1]时触发TypeError，本质是indices不是预期的二维numpy数组，而是元组，导致无法使用数组切片语法。

输入合法性判断 #

你提到min_cost_matching的输入是两个numpy数组组成的元组——这肯定不符合原DeepSORT代码的要求。原逻辑中，indices参数应该是匈牙利算法返回的二维numpy数组（每行代表一组匹配的行、列索引），出现元组输入的原因通常是：

• 调用匈牙利算法时，直接传递了返回的元组（部分实现会返回(行索引数组, 列索引数组)的元组），而非转换后的二维数组；
• 代码中对匹配结果的处理逻辑出错，把数组转成了元组。

修复步骤 #

1. 转换匈牙利算法返回值为二维数组 #

找到调用linear_assignment（或hungarian）函数的代码，若返回的是元组，手动转换为二维数组：

# 假设原返回是(row_indices, col_indices)
row_indices, col_indices = linear_assignment(cost_matrix)
indices = np.array(list(zip(row_indices, col_indices)))

再将这个indices传入min_cost_matching。

2. 优化匹配列的查询逻辑 #

原代码用col not in indices[:, 1]效率极低，且依赖数组类型，改成集合查询更稳妥：

# 先提取所有已匹配的列索引，转成集合
matched_cols = set(indices[:, 1])
if col not in matched_cols:
    # 原有的未匹配处理逻辑

同时可以在min_cost_matching开头加个参数校验，避免后续踩坑：

def min_cost_matching(...):
    # 新增校验，确保indices是二维numpy数组
    if not isinstance(indices, np.ndarray) or indices.ndim != 2:
        raise ValueError("indices必须是二维numpy数组")
    # 原函数逻辑

3. 对齐仓库版本兼容性 #

你混用了nwojke/deep_sort和computervisioneng/object-tracking-yolov8-deep-sort的代码，可能存在版本适配问题：

• 检查deep_sort/linear_assignment.py里的linear_assignment函数，确认它返回的是二维数组还是元组；
• 确保YOLOv8输出的检测结果dets格式符合要求：必须是[x1, y1, x2, y2, score]结构的numpy数组。

环境信息 #

• Python版本：3.10.11
• 依赖仓库：nwojke/deep_sort、computervisioneng/object-tracking-yolov8-deep-sort

内容的提问来源于stack exchange，提问作者Toufiq