ReST：一种用于多摄像头多目标跟踪的可重构时空图模型

多摄像头多目标跟踪（Multi-Camera Multi-Object Tracking, MC-MOT）通过融合多视角信息，有效应对遮挡和密集场景中的跟踪难题。近年来，基于图模型的方法在解决跟踪问题方面日益受到关注。然而，许多现有的图方法未能充分挖掘空间与时间一致性信息，而是依赖单摄像头跟踪器作为输入，这容易导致轨迹碎片化和ID切换错误。为此，本文提出一种新型可重构图模型：首先在跨摄像头维度上进行空间关联，将所有检测到的目标进行空间匹配；随后将该图结构重新配置为时间图，用于时间关联。这种两阶段关联机制使我们能够提取更具鲁棒性的时空感知特征，有效缓解轨迹碎片化问题。此外，本模型专为在线跟踪设计，具备良好的实时性，适用于真实应用场景。实验结果表明，所提出的图模型能够提取更具区分性的特征，显著提升目标跟踪性能，在多个公开数据集上达到了当前最优（state-of-the-art）水平。