22、多目标跟踪与行人重识别技术解析

多目标跟踪与行人重识别技术解析

在计算机视觉领域，多目标跟踪和行人重识别是两个重要且具有挑战性的任务。多目标跟踪旨在准确跟踪多个目标的轨迹，而行人重识别则致力于在不同摄像头视图中识别同一个人。下面将详细介绍这两项技术的相关内容。

1. 多目标跟踪技术

1.1 评估指标

在多目标跟踪实验中，通常会使用多种指标来评估系统性能。除了标准的精度和召回率外，还会采用 CLEAR MOT 指标，包括跟踪准确率（MOTA）和跟踪精度（MOTP）。MOTA 综合了误报、漏检和身份切换三种错误类型，零错误对应 100%；MOTP 则衡量跟踪器相对于标注真实值的定位误差。此外，还会统计正确恢复的轨迹数量，其中目标在其时间跨度内超过 80%的帧中被正确检测，则认为该目标大部分被跟踪（MT）；若仅在 20%或更少的帧中被恢复，则为大部分丢失（ML）。最后，还会记录轨迹碎片化和身份切换的数量。

1.2 局部数据关联的重要性

在高遮挡情况下，使用多个无模型跟踪器进行局部数据关联具有显著效果。通过对比有和无局部数据关联的跟踪结果，可以明显看到，在多人场景中，单个跟踪器容易出现漂移现象。例如，在 PETS 2009 S2L2 数据集和 AFL 比赛的挑战性场景中，没有局部数据关联时，跟踪器可能会出现身份切换和目标丢失的情况；而引入局部数据关联（如匈牙利数据关联）后，这些问题能够得到解决，即使在完全遮挡后也能正确跟踪目标。

为了量化多跟踪器推理的重要性，在生成建议时，分别对有无显式局部数据关联（no LDA）的情况进行全局目标最小化实验。

1.3 能量最小化

通过比较整体能量的初始解 S 和包含局部轨迹