GTA: 面向体育场景多目标跟踪的全局轨迹关联算法

体育场景中的多目标跟踪已成为计算机视觉的重点研究方向之一，深度学习技术的融入使其取得了显著进展。尽管有这些突破，但挑战依然存在，例如在球员重新进入场景时准确重识别以及减少身份切换。本文提出一种基于外观的全局轨迹关联算法，旨在通过拆分包含多个身份的轨迹片段并连接看似属于同一身份的轨迹片段来提升跟踪性能。该方法可作为任何多目标跟踪器的即插即用式精炼工具，进一步提升其性能。所提方法在SportsMOT数据集上取得了新的最优性能，HOTA得分为81.04%。同样，在SoccerNet数据集上，我们的方法提升了多个跟踪器的性能，将HOTA得分从79.41%持续提升至83.11%。这些在不同跟踪器和数据集上显著且一致的改进，凸显了所提方法在体育运动员跟踪应用中的潜在影响力。我们在https://github.com/sjc042/gta-link.git开源了项目代码库。