多目标跟踪：监控领域你必须要了解的算法( 二 ) _算法

在目标跟踪领域领先的研究方法的筛选标准是基于5 关键指标：

主要会议(如:CVPR, NeurIPS, ICCV, ICML, ECCV等)
基准测试结果(例如，MOT, Kitti, VOT, CVPR19挑战)
支持论文结果的公开代码(由作者/第三方提供) 。
引用
新的想法

有太多令人兴奋的研究工作。但是，如果作者不能提供代码(可能是由于一些原因)来重现论文中的结果，那么我们不得不对文档中提到的结果持保留态度。
我们已经提到了与2D MOT相关的论文，但有些想法也可以外推到3D版本。
一些有意思的研究文章分享这些只是精心挑选出来的一些非常好的跟踪领域的研究论文：
1、Tracking without bells and whistles.
论文：https://arxiv.org/pdf/1903.05625.pdf
代码：https://github.com/phil-bergmann/tracking_wo_bnw
2、Extending IOU Based Multi-Object Tracking by Visual Information.
论文：http://elvera.nue.tu-berlin.de/files/1547Bochinski2018.pdf
代码：https://github.com/bochinski/iou-tracker
3、Tracking Objects as Points.
论文：https://arxiv.org/pdf/2004.01177.pdf
代码：https://github.com/xingyizhou/CenterTrack
4、Fast Visual Object Tracking with Rotated Bounding Boxes
论文：https://arxiv.org/pdf/1907.03892v5.pdf
代码：https://github.com/baoxinchen/siammask_e
5、ODESA: Object Descriptor that is Smooth Appearance-wise for object tracking tasks
还没release，CVPR MOT 2019冠军。
6、Online Multiple Pedestrian Tracking using Deep Temporal Appearance Matching Association.
论文：https://arxiv.org/pdf/1907.00831.pdf
代码：暂无

英文原文：https://medium.com/visionwizard/object-tracking-675d7a33e687
更多内容，请关注微信公众号“AI公园” 。

【多目标跟踪：监控领域你必须要了解的算法】