GTATrack：基于 Deep-EIoU 与全局轨迹关联的 SoccerTrack 2025 冠军解

体育赛事中的多目标跟踪 (MOT) 因不规则运动、统一外观及频繁遮挡而极具挑战性。这些困难因静态鱼眼摄像机引入的几何畸变及极端尺度变化而进一步加剧。本文提出 GTATrack，一个分层跟踪框架，荣获 SoccerTrack Challenge 2025 冠军。GTATrack 集成两个核心组件：Deep Expansion IoU (Deep-EIoU) 用于运动无关的在线关联，Global Tracklet Association (GTA) 用于轨迹级细化。该两阶段设计实现了稳健的短期匹配与长期身份一致性。此外，采用伪标签策略提升小目标和畸变目标的检测召回率。局部关联与全局推理的协同有效解决了身份切换、遮挡及跟踪碎片化问题。本方法取得 0.60 的获胜 HOTA 分数，显著将误报数降至 982，展示了鱼眼-based 足球跟踪的前沿精度。我们的代码已公开于 https://github.com/ron941/GTATrack-STC2025。