SIMPLE ONLINE AND REALTIME TRACKING(Sort) 论文阅读笔记

出处：Proceedings of the 23rd IEEE International Conference on Image Processing (ICIP 2016) 2016

一、摘要

本文提出了一种实用的多目标跟踪方法，其主要关注点是为在线和实时应用程序有效地关联对象。为此，检测质量被认为是影响跟踪性能的关键因素，改变检测器可以提高跟踪性能，最高可达18.9%。尽管将大家熟悉的卡尔曼滤波和匈牙利算法的基本组合跟踪组件，该方法实现了与现有最先进跟踪技术相当的精度。但是，由于我们跟踪方法的简化，跟踪器能以260Hz的速率做更新，比其他先进跟踪器快了20倍。

关键词：计算机视觉、多目标跟踪、检测、数据关联

二、介绍

2.1 论文介绍

针对**多目标跟踪(MOT)**问题，本文提出了一种检测跟踪框架，其中目标检测每帧并表示为边界框。与许多基于批处理的跟踪方法相比[1,2,3]，这项工作主要针对在线跟踪，其中只有来自前一帧和当前帧的检测被呈现给跟踪器。

MOT问题可以看作是一个数据关联问题，其目标是关联检测跨帧视频序列。为了辅助数据关联过程，跟踪器使用各种方法对场景中物体的运动[1,4]和外观[5,3]进行建模。本文采用的方法是通过建立在视觉MOT benchmark上的观测结果上的。首先，有很多较为成熟的数据关联技术，如多假设跟踪（ MHT）和联合概率数据关联（JPDA）占据了很多MOT benchmark的前几名。其次，唯一没有使用聚合通道滤波（ACF）检测器也是排名靠前的跟踪器，其检测