OccluTrack：重思遮挡感知以增强多人行跟踪

多人行跟踪通过预测运动并在动态环境中实现自适应决策，对提升智能交通与自动驾驶系统的安全性与效率至关重要。它优化交通流、便利人机交互并确保符合规范。然而，其面临在存在遮挡情况下跟踪行人的挑战。现有方法忽视了部分遮挡期间异常检测所造成的影响。随后，这些异常检测会导致不准确的运动估计、不可靠的外观特征与不公平的关联。为解决这些问题，我们提出一种自适应遮挡感知多人行跟踪器OccluTrack，以缓解部分遮挡所引起的影响。具体而言，我们首先在卡尔曼滤波中引入即插即用的异常运动抑制机制，以自适应地检测并抑制由部分遮挡引起的离群运动。其次，我们开发了姿态引导的重识别（Re-ID）模块，以提取部分遮挡行人的判别性部位特征。最后，我们开发了一种新的遮挡感知关联方法，面向被遮挡行人的公平交并比（IoU）与外观嵌入距离度量。广泛的评估结果表明，我们的方法在MOTChallenge与DanceTrack数据集上优于最先进的方法。特别是，IDF1与ID切换方面的性能提升以及可视化结果，证明了我们的方法在多人行跟踪中的有效性。