摘要

多目标跟踪（Multi-object tracking, MOT）旨在视频中估计目标的边界框及其身份。现有大多数方法通过关联置信度高于阈值的检测框来获取目标身份，而低置信度的检测框（如被遮挡的目标）则被直接丢弃，这导致了显著的真值目标遗漏和轨迹断裂问题。为解决这一问题，本文提出一种简单、高效且通用的关联方法：不再仅依赖高分检测框，而是几乎关联所有检测框。对于低分检测框，我们利用其与轨迹片段（tracklets）之间的相似性，以恢复真实目标并剔除背景误检。该方法在9种不同的前沿跟踪器上均实现了稳定提升，IDF1得分提升幅度达1至10分。为进一步推动MOT性能的极限，我们设计了一种简洁而强大的跟踪器——ByteTrack。首次在MOT17测试集上实现了80.3的MOTA、77.3的IDF1和63.1的HOTA指标，且在单张V100 GPU上达到30 FPS的实时运行速度。此外，ByteTrack在MOT20、HiEve和BDD100K等多个主流跟踪基准上也取得了当前最优性能。相关源代码、预训练模型（含部署版本）及集成到其他跟踪器的使用教程已开源，详见：https://github.com/ifzhang/ByteTrack。