摘要
简单在线实时跟踪（SORT）是一种注重简单、有效算法的多目标跟踪实用方法。在本文中，我们通过集成外观信息来提升SORT的性能。得益于这一扩展，我们能够在更长时间的遮挡情况下跟踪目标，显著减少了身份切换的数量。秉承原框架的精神，我们将大部分计算复杂度置于离线预训练阶段，在此阶段利用大规模行人重识别数据集学习一种深度关联度量。在在线应用过程中，我们通过在视觉外观空间中进行最近邻查询来建立测量与跟踪之间的关联。实验评估表明，我们的扩展将身份切换数量减少了45%，在高帧率下实现了整体具有竞争力的性能。