ModTrack：基于身份信息PH滤波器的传感器无关性多视角跟踪
计算机视觉与模式识别
2026-03-30 v2
摘要
多视角多目标跟踪(MV-MOT)旨在定位并维持多个传感器观测的恒定身份。这一任务具有挑战性，因为视点变化和遮挡会破坏跨视角和跨时间的身份一致性。最近的端到端方法通过联合学习二维鸟瞰图(BEV)表示和身份关联实现高精度跟踪。然而，这些方法未提供原则性的不确定性计量，且严格依赖训练配置，限制了在无需重新训练的情况下跨传感器布局、模态或数据集的泛化。我们提出ModTrack，一个模块化MV-MOT系统，实现端到端水平的性能，同时提供跨模态、传感器无关的泛化能力和可追溯的不确定性。ModTrack将学习方法限制于MV-MOT管道的"检测与特征提取"阶段，后续的融合、关联和跟踪均采用闭形式解析方法。我们的设计将每个传感器的输出简化为已校准的位置-协方差配对(z,R)；跨视角聚类和加权融合随后得到统一估计(zhat,Rhat)，用于身份分配和时序跟踪。一个与反馈耦合、基于身份信息的高斯混合概率假设密度(GM-PHD)滤波器，配合HMM运动模式使用这些融合估计，在漏检和严重遮挡下维持身份。ModTrack在WildTrack数据集上实现95.5 IDF1和91.4 MOTA，超越所有以前的模块化方法超过21分，与最先进的端到端方法持水平，同时提供部署灵活性。具体而言，同一跟踪核心可无缝迁移至MultiviewX和RadarScenes，仅需替换感知模块即可扩展至新领域和传感器模态。
引用
@article{arxiv.2603.15812,
title = {ModTrack: Sensor-Agnostic Multi-View Tracking via Identity-Informed PHD Filtering with Covariance Propagation},
author = {Aditya Iyer and Jack Roberts and Nora Ayanian},
journal= {arXiv preprint arXiv:2603.15812},
year = {2026}
}