可以说，基于深度学习的多目标跟踪(MOT)最关键的任务不是识别目标，而是在遮挡后重识别。有大量的跟踪器可供使用，但并非所有跟踪器都有良好的重新识别 pipeline。在这篇博文中，我们将重点介绍一个这样的跟踪器FairMOT，它彻底改变了跟踪中检测和重新识别任务的联合优化。
FairMOT-Result
1. 多目标跟踪回顾
1.1 跟踪器的类型
跟踪器可以根据一些属性进行分类
- （1）跟踪的对象数量
- 单目标跟踪器，包括传统的 OpenCV 跟踪器，如 CSRT、KCF 等。它们通过在第一帧中初始化对象并在整个序列中跟踪它来工作。
- 多目标跟踪器包括深度学习跟踪器，这些跟踪器在数据集上进行训练以跟踪相同或不同类别的多个目标。这些包括 DeepSort、JDE、FairMOT 等。
- （2）检测pipeline
- 传统上，框坐标是在第一帧中围绕对象手动初始化的。然后，这些对象在下一帧中被跟踪。这些是没有检测pipeline的跟踪器。
- 最近的算法有一个对象检测管道，与关联阶段一起构建以获得更好的跟踪结果。这些是带有检测管道的跟踪器。