计算机科学与探索

作者：刘文强, 裘杭萍, 李航, 杨利, 李阳, 苗壮, 李一, 赵昕昕

单位：陆军工程大学 指挥控制工程学院，南京 210007

关键词：在线多目标跟踪,深度学习,特征提取,数据关联

基金：江苏省自然科学基金(BK20200581);中国博士后科学基金(2020M683754)

视频多目标跟踪是计算机视觉领域的一个关键任务，在工业、商业及军事领域有着广泛的应用前景。目前，深度学习的快速发展为解决多目标跟踪问题提供了多种方案。然而，目标外观发生突变、目标区域被严重遮挡以及目标的消失和出现等挑战性的问题还未完全解决。重点关注基于深度学习的在线多目标跟踪算法，总结了该领域的最新进展，按照目标特征预测、表观特征提取和数据关联三个重要模块，依据基于检测跟踪（DBT）和联合检测跟踪（JDT）两个经典框架将深度在线多目标跟踪算法分为了六个小类，讨论不同类别算法的原理和优缺点。其中，DBT算法的多阶段设计结构清晰，容易优化，但多阶段的训练可能导致次优解；JDT算法融合检测和跟踪的子模块达到了更快的推理速度，但存在各模块协同训练的问题。目前，多目标跟踪开始关注目标的长期特征提取、遮挡目标处理、关联策略改进以及端到端框架的设计。最后，结合已有算法，总结了深度在线多目标跟踪亟待解决的问题并展望未来可能的研究方向。

来源：2022年第12期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2022年第12期