摘要
在静态平台（如监控摄像头）上的多目标跟踪（Multi-object Tracking, MOT）技术已取得显著进展，多种范式均展现出优异的性能。然而，当应用于无人机等动态平台时，传统MOT方法的性能显著下降。这一性能衰减主要源于无人机场景下特有的挑战：（1）目标在图像平面中通常尺寸较小、模糊且频繁被遮挡，导致检测与识别困难；（2）无人机自身处于运动状态，从不同视角观察目标，造成目标预测位置与特征嵌入的不稳定性。本文提出了一种名为DroneMOT的新方法，首次引入了双域融合注意力（Dual-domain Integrated Attention, DIA）模块，该模块充分考虑无人机的快速运动特性，以增强对小尺寸、模糊及被遮挡目标的检测能力与特征表示。随后，提出一种创新的运动驱动关联（Motion-Driven Association, MDA）机制，综合考虑无人机与目标之间的协同运动。在MDA框架中，设计了一种自适应特征同步（Adaptive Feature Synchronization, AFS）技术，用于融合从不同视角观测到的目标特征，提升特征一致性。此外，采用双运动预测（Dual Motion-based Prediction, DMP）方法，对目标未来位置进行更精准的预测。最终，将优化后的特征嵌入与预测位置相结合，显著提升目标关联的准确性。在VisDrone2019-MOT与UAVDT两个公开数据集上的全面实验表明，DroneMOT在无人机场景下的多目标跟踪任务中，相较于现有最先进方法实现了显著的性能提升。