没有身份标识，没有问题：通过检测实现运动估计的人体跟踪

跟踪检测已成为人体跟踪事实标准的方法。为了提高鲁棒性，一些方法融合了基于外观模型的重识别和运动偏移回归，这需要昂贵的身份标注。在本文中，我们提出了在仅为检测提供监督（这在操作上要容易得多）的情况下，利用运动线索。我们的算法在两个不同时间预测检测热力图，并推断两个图像之间的2D运动估计。然后，它使用运动估计对一个热力图进行形变，并强制其与另一个热力图保持一致。这提供了对运动的必需监督信号，而无需任何运动标注。如此一种方式，我们在训练期间将不同图像中获得的信息进行耦合，从而提高准确性，尤其在拥挤的场景中以及在使用低帧率序列时效果更佳。我们展示了该方法在MOT17和WILDTRACK数据集上实现了单视图和多视图多目标跟踪的状态-of-the-art结果。