摘要
视频中的目标识别是众多应用领域中的关键任务，涵盖自动驾驶感知、监控系统、可穿戴设备以及物联网网络等。相较于静态图像，基于视频数据的目标识别更具挑战性，主要由于存在模糊、遮挡以及罕见目标姿态等问题。当前最先进的方法通常依赖于计算成本较高的专用视频检测器，或采用标准图像检测器结合快速后处理算法来实现。本文提出了一种新颖的后处理流水线，通过引入跨帧检测结果之间的基于学习的相似性评估机制，有效克服了以往后处理方法的部分局限性。所提方法在提升当前先进专用视频检测器的性能方面表现突出，尤其在处理高速运动目标时效果显著，同时具备较低的资源消耗。此外，该方法还可应用于高效静态图像检测器（如YOLO），在性能上达到远超其计算复杂度的检测器水平，展现出优异的实用价值与广泛适用性。