一种用于在极长视频序列中跨摄像头追踪人员的在线方法与评估方法

近年来，多摄像头多目标跟踪（Multi-camera Multi-Object Tracking）因其在监控分析及相关领域中的关键作用而受到广泛关注。然而，该领域仍面临诸多挑战，包括视场不重叠、遮挡情况动态变化，以及多摄像头跟踪系统在跨域场景下的泛化能力不足等问题。为此，本文提出一种新颖的在线跟踪框架，通过实时摄像头标定技术，实现跨摄像头网络中的一致性多目标跟踪。该方法无缝融合空间与时间关联策略，确保在长时间视频序列中仍具备鲁棒的跟踪性能。然而，传统的跟踪评估指标（如CLEAR或HOTA）在评估长时间视频序列上的跟踪表现时存在局限性，难以准确反映实际性能。为此，本研究的另一重要贡献是提出一种新的评估指标——mHOTA（modified HOTA），该指标能够更有效地衡量跟踪系统在长期运行下的性能表现。在AIC24多摄像头行人跟踪数据集上的大量实验表明，所提出的方法在有效性与可扩展性方面均表现出色，同时验证了新评估指标mHOTA在长期跟踪任务中具备更优的评估能力。