摘要

多相机跟踪（Multi-camera Tracking, MCT）在各类计算机视觉应用中发挥着至关重要的作用。然而，在多个摄像头之间实现个体的准确跟踪仍面临诸多挑战，尤其是在身份切换（identity switch）问题上。本文提出了一种高效且支持在线处理的多相机跟踪系统，以应对上述挑战。该系统利用内存高效的累积外观特征（accumulated appearance features），在时间和跨摄像头场景中为个体提供稳定且一致的表征。通过在摄像头重叠区域引入基于分层凝聚聚类（Hierarchical Agglomerative Clustering, HAC）的轨迹验证机制，系统能够有效识别并修正身份混淆问题。在2024年AI City Challenge Track 1数据集上的评估结果表明，该系统在重叠与非重叠摄像头网络中均表现出优异的跟踪性能。系统在HOTA指标上取得40.3%的得分，位列挑战赛第9名。相比基线方法，引入轨迹验证使性能提升8%；而累积外观特征的进一步引入，使整体性能再提升17%，显著增强了系统的鲁棒性与准确性。