张 瑶，卢焕章，张路平，胡谋法

国防科技大学 电子科学学院 自动目标识别重点实验室，长沙410073

随着人工智能技术的飞速发展，基于计算机视觉技术的智能监控系统、自动驾驶领域较以往取得了重大的突破，进一步减少了人力资源的浪费，提高了安防和交通领域的安全性。视觉多目标跟踪技术是这些领域中的关键基础性技术之一，视觉多目标跟踪算法的准确鲁棒性对于进一步提升高层智能应用的安全有效性具有重要意义。然而，当前视觉多目标跟踪技术还面临着较大的挑战，首先，视觉多目标跟踪需要解决单目标跟踪中存在的诸如目标形变、场景环境变化等挑战之外，还面临着由于目标数量不确定所带来的实时目标数量更新及维持目标各自身份（Identity，ID）的任务，因此视觉多目标跟踪还需要处理更为复杂关键的问题诸如：目标数量不确定、频繁目标遮挡、同类目标的相似度区分等。具体来说，在安防监控和自动驾驶应用中，目标频繁进出视野是普遍且正常的行为，这就导致了多目标跟踪所面对的目标数量是不确定的，这就要求多目标跟踪算法必须具备实时检测定位场景中出现的感兴趣目标数量。在场景复杂的情况下，背景对于目标的遮挡，以及目标与目标的遮挡会造成目标遮挡再出现时目标身份切换（ID switch，IDs），这就要求算法必须提取到鲁棒的目标特征，在短时和长时的遮挡过后，保持遮挡前后目标ID一致性。多目标跟踪任务要求维持同一目标的ID，同类目标表观相似度较高且具备相似的行为，对稳定维持正确目标ID 带来了进一步的挑战，算法必须具备提取同类目标可分性特征。……