摘要

本文介绍了SFSORT，这是根据在MOT挑战数据集上进行的实验结果得出的世界最快的多目标跟踪系统。为了实现一个准确且计算高效的跟踪器，本文采用了基于检测的跟踪方法，遵循了先前文献中建立的在线实时跟踪方法。通过引入一种称为边界框相似度指数（Bounding Box Similarity Index）的新颖代价函数，本研究消除了卡尔曼滤波器（Kalman Filter），从而降低了计算需求。此外，本文还展示了场景特征对增强目标轨迹关联和改进轨迹后处理的影响。使用2.2 GHz的Intel Xeon CPU，所提出的方法在MOT17数据集上实现了61.7%的HOTA分数，处理速度为2242 Hz；在MOT20数据集上实现了60.9%的HOTA分数，处理速度为304 Hz。该跟踪器的源代码、经过微调的目标检测模型以及教程均可在以下网址获取：\url{https://github.com/gitmehrdad/SFSORT}。