摘要

基于运动的多目标跟踪（Multi-Object Tracking, MOT）方法近年来随着高性能目标检测器的兴起而重新受到关注。尽管如此，现有研究在将外观特征融入跟踪系统方面仍进展有限，多数方法仅采用简单的启发式模型，难以应对特征退化带来的挑战。本文提出一种新颖的方法，通过自适应地将外观匹配机制整合到现有高性能运动驱动型跟踪框架中，充分挖掘目标外观信息的潜力。在纯运动型方法OC-SORT的基础上，我们实现了在MOT20数据集上排名第一（HOTA 63.9），在MOT17数据集上排名第二（HOTA 64.9）的优异性能。此外，在更具挑战性的DanceTrack基准测试中，我们取得了61.3的HOTA得分，超越了诸多设计更为复杂的先进方法，达到了新的最先进水平。相关代码与模型已开源，地址为：\url{https://github.com/GerardMaggiolino/Deep-OC-SORT}。