FastTracker：实时精准的视觉跟踪
计算机视觉与模式识别
2025-09-26 v5
摘要
传统的多目标跟踪（MOT）系统主要针对行人跟踪设计，对其他目标类别的泛化能力往往有限。本文提出一个能处理多种目标类型的通用跟踪框架，尤其侧重于复杂交通场景中的车辆跟踪。该方法包含两个关键组件：（1）一种遮挡感知的重识别机制，可增强对严重遮挡目标的身份保持；（2）一种道路结构感知的轨迹片段优化策略，利用车道方向、人行横道和道路边界等语义场景先验来提升轨迹的连续性和准确性。此外，我们引入了一个新的基准数据集，包含多种车辆类别及帧级跟踪标注，专门用于支持以车辆为中心的跟踪方法评估。大量实验结果表明，所提方法在新引入的数据集和多个公开基准上均取得了鲁棒的性能，突显了其在通用目标跟踪中的有效性。虽然我们的框架面向通用多类别跟踪设计，但在传统基准上也表现强劲，在 MOT17 和 MOT20 测试集上的 HOTA 分数分别达到 66.4 和 65.7。代码与基准数据集已公开：github.com/Hamidreza-Hashempoor/FastTracker, huggingface.co/datasets/Hamidreza-Hashemp/FastTracker-Benchmark。
引用
@article{arxiv.2508.14370,
title = {FastTracker: Real-Time and Accurate Visual Tracking},
author = {Hamidreza Hashempoor and Yu Dong Hwang},
journal= {arXiv preprint arXiv:2508.14370},
year = {2025}
}