摘要

在视频序列中跟踪多个对象的问题带来了若干具有挑战性的任务。对于基于检测的跟踪，这些任务包括对象重新识别、运动预测以及处理遮挡问题。本文介绍了一种（未添加额外功能的）跟踪器，该跟踪器无需专门针对上述任何任务进行设计，特别是我们没有对跟踪数据进行任何训练或优化。为此，我们利用了目标检测器的边界框回归来预测下一个帧中对象的位置，从而将检测器转换为Tracktor。我们展示了Tracktor的潜力，并通过简单的重新识别和相机运动补偿扩展其功能，在三个多目标跟踪基准上提供了新的最先进结果。随后，我们对几种最先进的跟踪方法与我们的Tracktor进行了性能和失败案例分析。令人惊讶的是，在处理复杂的跟踪场景时，如小目标、被遮挡的对象或漏检的情况下，没有任何专门的跟踪方法明显优于我们的方法。然而，我们的方法能够应对大多数简单的跟踪场景。因此，我们将这种方法作为一种新的跟踪范式进行阐述，并指出了未来研究的有前景方向。总体而言，Tracktor在跟踪性能方面优于当前所有其他方法，并且我们的分析揭示了仍待解决的跟踪挑战，以激发未来的研究方向。