版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/Leo_whj/article/details/81165903
旷世的一篇文章，paper.
针对 DukeMTMC，提出一种多目标，多相机 跟踪方法，步骤包括：
- 检测
两种方法，public的，和自己采用 Faster RCNN 的方法。
- 特征提取
复用原来的 Aligned Re-id方法，提取目标特征。
- 单相机跟踪
Near-online算法，
首先将检测的BBox形成tracklets，采用的是 Kuhn-Munkras算法，结合特征差异、IoU计算距离；
然后将tracklets通过层次聚合，形成轨迹。计算tracklets之间的距离矩阵，tracklet与轨迹之间的距离通过三部分来得到：
特征相似性（end point附近）、独立部分距离、overlap部分距离（IoU程度）。
- 多相机跟踪
将单相机的轨迹进行层次聚合，得到跨相机轨迹，采用贪婪的方法，不需要更新距离矩阵。
每个轨迹计算一个平均特征（在long term tracking上，平均特征是很鲁棒的），通过平均特征的欧式距离来计算，这里采用了re-ranking的策略。