【目标跟踪】《FastTracker: Real-Time and Accurate Visual Tracking》论文阅读笔记

0.参考

论文：https://arxiv.org/pdf/2508.14370v1

代码：github.com/HamidrezaHashempoor/FastTracker, huggingface.co/datasets/HamidrezaHashemp/FastTracker-Benchmark.

1.摘要

提高多目标跟踪在多物体跟踪上的性能（从前主要是针对行人场景做的优化）。

该方法包含两个核心组件：（1）遮挡感知重识别机制，通过增强对严重遮挡目标的身份特征保持能力；（2）道路结构感知轨迹优化策略，利用车道方向、人行横道、道路边界等语义场景先验知识来提升轨迹连续性与准确性。

引入了一个包含多类型车辆类别且具有逐帧跟踪标注的新基准数据集，专门用于支持车辆聚焦跟踪方法的评估。大量实验结果表明，所提方法在新数据集和多个公共基准测试中均表现出鲁棒性能，凸显了其在通用目标跟踪中的有效性。尽管该框架针对广义多类别跟踪设计，其在传统基准测试中同样取得优异性能：在MOT17测试集上获得66.4的HOTA分数，在MOT20测试集上获得65.7的HOTA分数。

（注：HOTA是Higher Order Tracking Accuracy的缩写，译为"高阶跟踪精度"，是多目标跟踪领域的综合评估指标）

2.介绍

ByteTrack[5]采用的方法：在初始匹配阶段优先处理高置信度检测，随后对低置信度候选检测与未匹配轨迹进