CropTrack：一种用于精准农业的带重识别的跟踪框架

农业环境中的多目标跟踪（MOT）由于重复模式、相似物体外观、突然的光照变化和频繁的遮挡而面临重大挑战。该领域的当代跟踪器依赖物体的运动而非外观进行关联。然而，当目标经历频繁且强烈的遮挡时，它们难以维持物体身份。物体外观的高度相似性使得将基于外观的关联集成到农业场景中变得困难。为了解决这个问题，我们提出了 CropTrack，一个基于外观和运动信息相结合的新型 MOT 框架。CropTrack 集成了重排序增强的外观关联、带有基于外观的冲突解决策略的一对多关联，以及一个指数移动平均原型特征库，以改进基于外观的关联。在公开的农业 MOT 数据集上评估，CropTrack 展示了一致的身份保持能力，优于传统的基于运动的跟踪方法。与现有技术相比，CropTrack 在识别 F1 分数和关联准确度分数上取得了显著提升，同时身份切换次数更少。