增强卡尔曼滤波器结合自适应外观运动 SORT 用于 grounded generic 多目标跟踪

尽管近期取得了进展，但多目标跟踪 (Multi-Object Tracking, MOT) 仍面临诸多挑战，尤其是依赖先验知识和预定义类别，使其跟踪陌生对象困难。通用多目标跟踪 (Generic Multiple Object Tracking, GMOT) 作为一种需要较少先验信息的解决方案，正在成为有前景的替代方法。然而，现有的 GMOT 方法主要以单次 GMOT 为设计，严重依赖初始边界框，常在视角、光照、遮挡和尺度变化方面受限。为克服 MOT 和 GMOT 在跟踪具有特定通用属性的对象时的局限性，我们引入 Grounded-GMOT，这是一种创新的跟踪范式，使用户能够通过自然语言描述符在视频中跟踪多个通用对象。我们的贡献首先引入 G2MOT 数据集，包含多种通用对象视频，每种对象都伴随详细的文本属性描述。随后，我们提出一种新跟踪方法 KAM-SORT，不仅有效整合视觉外观与运动线索，还增强了卡尔曼滤波器。KAM-SORT 在 GMOT 场景中尤其适用于来自同一通用类别中视觉高度相似对象的跟踪。通过全面实验，我们证明 Grounded-GMOT 优于现有的单次 GMOT 方法。此外，我们与各种跟踪器的广泛比较进一步凸显了 KAM-SORT 在 GMOT 中的有效性，进一步确立了其在该领域的重要性。项目页面：https://UARK-AICV.github.io/G2MOT。源代码和数据集将公开发布。