面向多目标跟踪的基于历史感知的 ReID 特征变换

多目标跟踪（MOT）的目标是检测视频中的所有目标并将其绑定成多个轨迹。通常，这一过程分为两个步骤：目标检测和基于各种线索和指标进行跨帧关联。许多研究和应用采用目标外观（即重新识别，ReID）特征通过直接相似度计算进行目标匹配。然而，我们认为这种做法过于简单化，因而忽略了 MOT 任务的独特特征。与一般性重识别任务旨在区分一般表示中所有潜在目标不同，多目标跟踪则沉浸于区分同一视频序列中相似的目标。因此，我们认为，基于每个序列的不同样本分布寻找更合适的特征表示空间将提升跟踪性能。本文提出了一种对 ReID 特征进行历史感知变换以实现更具辨识力的外观表征的方法。具体而言，我们将历史轨迹特征作为条件，采用量身定制的 Fisher 线性判别分析（FLD）寻找一个空间投影矩阵，以最大化不同轨迹之间的差异。我们的广泛实验表明，这种训练-free 投影方法可以显著提升基于特征的跟踪器，使其在性能上与最先进的方法相当，甚至更优，同时展现出惊人的零样本迁移能力。这进一步证明了我们方案的有效性，并进一步鼓励对 ReID 模型在多目标跟踪中的重要性和定制化进行未来的探索。代码将在 https://github.com/HELLORPG/HATReID-MOT 上发布。