[TMM 2023] Strong SORT

项目地址：https://github.com/dyhBUPT/StrongSORT

Strong SORT 是基于经典 SORT 的多目标跟踪算法改进版本，融合了强大的外观特征提取和多模态信息融合技术，显著提升了跟踪的鲁棒性和准确率。该方法兼顾了速度和精度，适合实际应用场景。

方法概述

背景

• 传统 SORT 算法依赖简单的运动模型和匈牙利算法进行数据关联，精度有限，且易受遮挡和目标外观变化影响。
• Strong SORT 通过引入更强的外观特征和改进的数据关联策略，有效缓解了上述问题。

核心技术

1. 强大的外观特征提取

2. 利用预训练的深度神经网络提取目标外观特征，提高对相似目标的区分能力。

3. 融合运动和外观信息

4. 结合运动预测与外观匹配，采用加权策略优化数据关联，减少ID切换和漏检。

5. 自适应阈值调整

6. 根据场景动态调整匹配阈值，增强模型在不同环境下的适应能力。

7. 高效的数据关联算法

8. 保持了SORT原有的计算效率，在提高准确度的同时，保证实时性能。

实验表现

• Strong SORT 在多个主流多目标跟踪数据集（如 MOT17）上表现优异，MOTA 和 IDF1 指标明显优于原始 SORT。
• 在遮挡、目标外观变化等复杂场景中，展示出更强的鲁棒性。

总结

Strong SORT 通过融合深度外观特征与运动信息，提升了多目标跟踪的准确性和稳定性，是对经典SORT算法的重要增强，适合实际工业应用。

Ref

• https://github.com/dyhBUPT/StrongSORT
• https://zhuanlan.zhihu.com/p/646846924
• https://ai-scholar.tech/zh/articles/object-tracking/strongsort
• https://zhuanlan.zhihu.com/p/680236342
• https://blog.csdn.net/matt45m/article/details/137286011
• https://blog.csdn.net/weixin_50862344/article/details/127070391
• https://www.dongaigc.com/p/dyhBUPT/StrongSORT
• https://young-eng.github.io/YoungBlogs/2024/12/17/StrongSORT/
• https://blog.csdn.net/qq_43348528/article/details/129619337