摘要
在线多目标跟踪（Online Multi-Object Tracking, MOT）在时间敏感的视频分析场景中具有广泛应用，例如机器人导航和自动驾驶。在基于检测的跟踪方法中，在线MOT面临的一个主要挑战是如何在新视频帧上，将噪声较大的目标检测结果与先前已跟踪的目标进行鲁棒关联。本文将在线MOT问题建模为马尔可夫决策过程（Markov Decision Processes, MDPs）中的决策问题，其中目标的生命周期被建模为一个MDP。学习用于数据关联的相似性函数等价于学习该MDP的策略，而策略的学习采用强化学习的方式进行，从而兼顾了离线学习与在线学习在数据关联中的优势。此外，我们的框架能够自然地处理目标的出生/死亡以及外观的出现/消失，将其视为MDP中的状态转移，并在此基础上融合现有的在线单目标跟踪方法。我们在MOT基准数据集上进行了实验，验证了所提方法的有效性。