DeTracker：未稳定卫星视频中的运动解耦车辆检测与跟踪
计算机视觉与模式识别
2026-04-17 v2 图像与视频处理
摘要
卫星视频提供了对地表动态的连续观测，但也给多目标跟踪（MOT）带来了重大挑战，特别是在未稳定条件下，平台抖动和微小目标微弱的外观共同降低了跟踪性能。为了解决这个问题，我们提出了DeTracker，一种专为未稳定卫星视频量身定制的联合检测与跟踪框架。DeTracker引入了任务驱动的全局-局部运动解耦（GLMD）模块，以解决主导平台运动与微弱目标运动之间的运动不平衡问题。它通过在特征层面进行全局语义对齐来抑制背景主导的运动，并通过局部细化捕获目标特定的运动，从而提高了轨迹稳定性和身份一致性。此外，还开发了时间依赖特征金字塔（TDFP）模块来执行跨帧时间特征融合，增强了微小目标表示的连续性和判别性。我们进一步构建了一个新的基准数据集SDM-Car-SU，该数据集模拟了多方向和多速度的平台运动，以实现对不同运动扰动下跟踪鲁棒性的系统评估。在模拟和真实未稳定卫星视频上的大量实验表明，DeTracker显著优于现有方法，在SDM-Car-SU上实现了61.1%的MOTA，在真实卫星视频数据上实现了45.3%的MOTA。代码和数据集将在 https://github.com/alex-chenjiajun/DeTracker 公开提供。
引用
@article{arxiv.2601.09240,
title = {DeTracker: Motion-decoupled Vehicle Detection and Tracking in Unstabilized Satellite Videos},
author = {Jiajun Chen and Jing Xiao and Shaohan Cao and Yuming Zhu and Liang Liao and Jun Pan and Mi Wang},
journal= {arXiv preprint arXiv:2601.09240},
year = {2026}
}