追寻多个目标：现代多目标跟踪系统综述
计算机视觉与模式识别
2026-03-12 v2
摘要
多目标跟踪（MOT）是现代计算机视觉的核心能力，对自动驾驶、监控、体育分析、机器人及生物医学成像至关重要。由于遮挡、密集人群、表观模糊、尺度变化、相机运动和身份切换，跨帧的持续身份分配在真实场景中仍具挑战。本综述通过围绕方法所针对的问题及其采用的范式组织近期进展。我们涵盖了从跟踪检测（tracking-by-detection）到混合与端到端设计的历史演进，并总结了主要架构方向，包括基于transformer的跟踪器、生成/扩散公式、状态空间预测器、Siamese与基于图的模型，以及基础模型在检测与表征中日益增长的影响。我们回顾了驱动方法设计的基准趋势，记录了从饱和的行人基准向挑战驱动与领域特定数据集的转变，并通过比较经典与较新的基于运动与安全中心的指标来分析评估实践。最后，我们将算法趋势与实际部署约束相联系，并勾勒出我们认为将塑造MOT研究与真实应用的新兴方向：基础模型集成、开放词汇与多模态跟踪、统一评估及领域自适应方法。
引用
@article{arxiv.2209.04796,
title = {In Pursuit of Many: A Review of Modern Multiple Object Tracking Systems},
author = {Mk Bashar and Samia Islam and Kashifa Kawaakib Hussain and Md. Bakhtiar Hasan and A. B. M. Ashikur Rahman and Md. Hasanul Kabir},
journal= {arXiv preprint arXiv:2209.04796},
year = {2026}
}