摘要

基于联合检测与嵌入（Joint Detection and Embedding, JDE）的方法通常通过单一网络同时估计多目标跟踪（Multi-Object Tracking, MOT）中目标的边界框和嵌入特征。在跟踪阶段，这类方法采用统一规则融合目标的运动信息与外观信息，当目标短暂丢失或被遮挡时，该策略往往失效。为解决这一问题，本文提出一种新型关联矩阵——嵌入与GIoU矩阵（Embedding and Giou matrix, EG矩阵），该矩阵结合了目标间的嵌入特征余弦距离与GIoU（Generalized Intersection over Union）距离，以更精准地衡量目标间的相似性。为进一步提升数据关联性能，本文设计了一种简单而高效的跟踪器——SimpleTrack。该方法提出一种自底向上的重识别特征融合机制，并基于EG矩阵构建了一种新型跟踪策略。实验结果表明，SimpleTrack具备强大的数据关联能力，在MOT17数据集上取得了61.6的HOTA和76.3的IDF1指标。此外，将EG矩阵应用于五种不同的先进JDE方法，均在IDF1、HOTA和IDsw等关键指标上取得显著提升，同时使这些方法的跟踪速度平均提高约20%。