缪佳妮，杨金龙，程小雪，葛洪伟

江南大学 人工智能与计算机学院，江苏 无锡 214122

视频多目标跟踪是计算机视觉领域中一个重要的研究领域，具有智能监视、人机交互、行为识别、机器人导航和自动驾驶等多种应用。多目标跟踪可以为每个视频帧中被跟踪目标分配一致的标签，以产生每个目标的轨迹。目前，多目标跟踪主要分为在线跟踪以及批处理跟踪两类方法。在线跟踪指仅利用视频过去及现在的信息进行实时跟踪，这更加符合人们的场景需要，适合在智能监视、自动驾驶等实时性较强的应用。而批处理跟踪利用视频过去、现在以及未来的信息对目标进行跟踪，这样能使得跟踪的结果更加准确，可以运用在实时性要求不强的场景中。

由于目标的外观变化、遮挡和漂移，且存在未知的目标新生和消失等问题，使得多目标跟踪一直是目标跟踪领域具有挑战性的问题。近年来，随机有限集被广泛用于视频多目标跟踪[1-8]，但是由于新生目标的随机性且未知，给该方法的使用带来一定的困难，频繁的目标交叉运动和遮挡使跟踪效果难尽人意。随着深度学习技术在计算机视觉方面的发展，目标检测任务取得了明显的成效，越来越多的检测器精度因为有了深度网络的加入有了明显的提高[9-10]，例如基于区域建议网络的实时目标检测方法（faster regions with CNN features，Faster RCNN）[11]，尺度依赖池的目标检测方法（scale dependent pooling，SDP）[12]，仅看一次的检测方法（you look only once，YOLO）[13]等。由于检测器的高准确度，越来越多……