论文笔记：Multi-Object Tracking with Multiple Cues and Switcher-Aware Classification(LSST)

论文笔记：Multi-Object Tracking with Multiple Cues and Switcher-Aware Classification(LSST)

简介

这是一篇arxiv上的文章，文中提出了一个新的多目标跟踪框架，并且跟踪的指标当时在MOT17上排名第一，即使在11个月后的现在，这个算法依然排名第三（第一第二都没有论文介绍相应的算法）。唯一遗憾的是，这个算法难以达到实时性，在GTX 1060上只有1.5HZ的速度，并且暂时还没有开源代码。无论如何，这篇文章提出的一些方法还是很有参考意义的。

方法

文中提到的方法比较多，主要思路就是：

1 利用单目标跟踪器进行预测，代替卡尔曼滤波，使得track的预测结果更好（for short cues）
2 提出了SAC（switcher-aware classification），将容易发生ID switch的目标考虑进来，以减少ID Switch
3 利用一个ReID网络提取跟踪目标和2中提到的易混淆目标的特征，增加长期跟踪的鲁棒性

算法的实现流程如下：

1. 初始化跟踪目标
2. 利用第t帧的结果用SOT预测第t+1帧的结果
3. 从历史图像里调出k张高质量图像，提取检测的ReID特征
4. 对于2中的的SOT预测结果提取ReID特征，再和3中检测的特征一起提取目标的匹配特征