深度学习的多目标跟踪研究进展

多目标跟踪在诸多行业中具有广泛的应用前景，但也面临着目标形变、目标重叠、目标数量变化、遮挡和自遮挡以及缺少足够的标记数据等难题。由于深度学习的快速发展，使用深度学习的多目标跟踪方法迅速发展，有效的提升了多目标跟踪的性能。介绍了深度学习的多目标跟踪研究进展，并将其分为基于深度特征、基于端到端数据关联、基于单目标跟踪器扩展和联合检测跟踪的四类方法，详细说明每类方法的设计原理及其优缺点。最后，介绍了常用的数据集和评价指标并对比相关算法的性能，针对现有的多目标跟踪算法的不足，展望未来的发展趋势，以期为多目标跟踪的深入研究提供理论支持和技术指导。