摘要
近年来，多摄像头人员跟踪（Multi-Camera People Tracking, MCPT）领域受到了广泛关注。相较于单摄像头多目标跟踪，MCPT面临更多挑战，因此许多现有研究采用离线方法来应对这些问题。然而，离线方法仅适用于预先录制的视频分析，在实际工业应用中的实用性远低于在线方法。为此，本文聚焦于解决在线方法在实际应用中面临的关键问题。具体而言，针对可能严重影响在线MCPT性能的两大问题——存储不准确或低质量的外观特征，以及同一人员被分配多个ID的情况，我们提出了一种聚类自优化（Cluster Self-Refinement）模块。在2024年AI City Challenge Track 1比赛中，我们的方法取得了第三名的成绩，HOTA得分达到60.9261%。相关代码已开源，地址为：https://github.com/nota-github/AIC2024_Track1_Nota。