MCBLT：长视频中的多相机多目标3D跟踪

多视角相机的对象感知对于智能系统至关重要，尤其是在室内环境，如仓库、零售商店和医院中。大多数传统的多目标多相机（MTMC）检测和跟踪方法依赖于二维对象检测、单视角多对象跟踪（MOT）以及跨视角重识别（ReID）技术，而未能充分处理通过多视角图像聚合获得的重要三维信息。本文提出了一种名为MCBLT的三维对象检测和跟踪框架，该框架首先利用必要的相机校准参数对多视角图像进行聚合，以在鸟瞰图（BEV）中获取三维对象检测结果。随后，我们引入了分层图神经网络（GNNs），在BEV中跟踪这些三维检测结果，从而实现MTMC跟踪效果。与现有方法不同，MCBLT在不同场景和多样化的相机设置下表现出色的泛化能力，并且具有卓越的长期关联处理能力。因此，我们提出的MCBLT在AICity'24数据集上取得了81.22的HOTA分数，在WildTrack数据集上取得了95.6的IDF1分数，建立了新的最先进水平。