FeatureSORT：高效跟踪的关键特征
计算机视觉与模式识别
2026-01-27 v2
摘要
我们介绍 FeatureSORT，这是一个简单而有效的在线多目标跟踪器，通过重新设计检测器和额外的特征线索来强化 DeepSORT 基线。与常规仅提供边界框的检测器不同，我们的修改 YOLOX 架构被扩展输出多个外观属性，包括服装颜色、服装风格和运动方向，同时伴随边界框。这些特征线索与 ReID 网络一起形成互补的嵌入，显著提高了关联精度。此外，我们纳入了更强的后处理策略，如全局链接和高斯平滑过程插值，以处理缺失的关联和检测。在在线跟踪期间，我们定义一种测量到轨迹的距离函数，联合考虑 IoU、方向、颜色、风格和 ReID 相似性。这种设计使 FeatureSORT 能够通过更长的遮挡保持恒定的身份标识，同时减少身份切换。在针对标准 MOT 基准进行的大量实验表明，FeatureSORT 在在线跟踪方面实现了最先进的性能，MOT16 的 MOTA 为 79.7，MOT17 为 80.6，MOT20 为 77.9，DanceTrack 为 92.2，凸显了特征丰富的检测和模块化后处理在推动多目标跟踪方面的有效性。
引用
@article{arxiv.2407.04249,
title = {FeatureSORT: Essential Features for Effective Tracking},
author = {Hamidreza Hashempoor and Rosemary Koikara and Yu Dong Hwang},
journal= {arXiv preprint arXiv:2407.04249},
year = {2026}
}