基于卡尔曼滤波的快速移动小目标跟踪方法分析
计算机视觉与模式识别
2025-09-24 v1
摘要
不可预测的运动模式和小视觉标记，使得对像racquetball等快速移动小目标进行精确跟踪成为计算机视觉中极具挑战性的问题。这一挑战在体育机器人应用中尤为重要，轻便且精确的跟踪系统可提升机器人感知和规划能力。虽然卡尔曼滤波方法在一般目标跟踪中显示出成功，但在处理具有不规则弹跳行为的快速移动目标时，其性能会显著下降。在本研究中，我们评估了五种最先进的基于卡尔曼滤波的跟踪方法——OCSORT、DeepOCSORT、ByteTrack、BoTSORT和StrongSORT——使用包含10,000个标注racquetball帧的自定义数据集进行评估。我们关注两个关键性能因素：推理速度和每图像更新频率，探讨这些参数如何影响快速移动小目标的跟踪精度和可靠性。我们的实验在四个不同场景下表明，DeepOCSORT以平均ADE 31.15像素实现最低跟踪误差，远超ByteTrack的114.3像素；而ByteTrack在处理速度上表现最佳，平均推理时间为26.6毫秒，优于DeepOCSORT的26.8毫秒。然而，我们的结果显示，所有基于卡尔曼滤波的跟踪器在处理快速移动小目标如racquetball的不可预测运动模式时，都存在显著的跟踪漂移，空间误差范围为3-11厘米（ADE值：31-114像素），这表明当前跟踪方法在处理此类目标时存在根本性局限。我们的分析表明，当前跟踪方法需要显著改进，错误率比标准目标跟踪基准高出3-4倍，凸显了针对快速移动小目标跟踪应用需要专门方法的必要性。
引用
@article{arxiv.2509.18451,
title = {An Analysis of Kalman Filter based Object Tracking Methods for Fast-Moving Tiny Objects},
author = {Prithvi Raj Singh and Raju Gottumukkala and Anthony Maida},
journal= {arXiv preprint arXiv:2509.18451},
year = {2025}
}