大规模真实世界多人跟踪

本文提出了一种新的大规模多人群体跟踪数据集——\texttt{PersonPath22}，其规模超过当前可用的高质量多目标跟踪数据集（如MOT17、HiEve和MOT20）一个数量级以上。由于该任务缺乏大规模的训练与测试数据，研究社区难以全面评估其跟踪系统在多样化场景与条件下的性能表现，例如人群密度变化、个体行为差异、天气状况以及昼夜时段等。\texttt{PersonPath22}数据集在采集过程中特别注重覆盖上述多种复杂条件，其标注信息包含丰富的元数据，使得跟踪算法的性能可在此类多维度条件下进行细致评估。此外，训练数据的匮乏也限制了端到端跟踪系统训练的可行性，因此目前表现最优的跟踪系统均依赖于在外部图像数据集上预训练的强检测器。我们期望该数据集的发布能够推动新研究方向的发展，使研究者能够充分利用大规模视频数据进行训练，从而推动多人群体跟踪技术的进步。