本研究提出了一种增强型的运动感知多目标跟踪系统，集成了不同对象的多种运动模式，并引入动态重连上下文模块、三维积分图像模块等手段，取得了比其他先进跟踪器更为优越的高效性能。

Sep, 2020

该研究提出了一种基于自回归运动模型的多目标跟踪算法，能够处理长期的遮挡问题，通过训练模型去学习自然轨迹的分布，与传统方法相比，在多个 MOT 基准数据集上表现更好。

Dec, 2020

提出了一种新颖的贝叶斯框架，通过一个仿射变换明确地将一个视频帧的单应性与下一个视频帧关联起来，同时明确建模关键点的不确定性。该方法使用了两阶段卡尔曼滤波器，在现有方法的基础上显著改进了其性能，并使得不太复杂且计算成本较低的方法在大多数单应性评估指标上胜过了最先进的方法。

Nov, 2023

我们提出了一种用于捕捉人类和物体的三维运动的单目方案，结合通用动作推断和基于类别的运动扩散模型，在使用极少量的RGB相机和物体安装的惯性测量单元（IMU）的新颖环境中，通过综合处理IMU信号和RGB流重新恢复人体运动和物体运动，从而大幅度提炼初始结果并生成生动的身体、手部和物体运动。

Dec, 2023

通过引入UCMCTrack，本研究提出了一种新颖的基于运动模型的跟踪器，它能够有效地应对视频序列中的相机运动，并仅依赖于运动线索，在各种具有挑战性的数据集上取得了最先进的性能。

Dec, 2023

通过引入适应性的运动预测器，即AM-SORT，将卡尔曼滤波器替换为转换器架构，我们提出了一种基于运动的多目标跟踪方法，从而解决了在涉及非线性运动和遮挡情景时估计未来物体位置的限制。AM-SORT通过历史轨迹嵌入到转换器中，提取一系列边界框的时空特征，实现了与DanceTrack上最先进的跟踪器相当的性能，达到了56.3的IDF1和55.6的HOTA。我们进行了大量实验证明了我们的方法在预测遮挡下的非线性运动方面的有效性。

Jan, 2024

在这篇论文中，我们针对无人机移动场景中的多目标跟踪（MOT）的挑战，提出了一个新颖的通用视角匹配多目标跟踪（HomView-MOT）框架。我们引入了快速单应矩阵估计算法（FHE）来计算视频帧之间的单应矩阵，并利用多视角单应矩阵学习跨视角的标识特征，同时使用视角匹配滤波器（HMF）将不同时刻的物体边界框映射到一个共同的视角平面上进行真实的物体重叠度关联。经过广泛的实验证明，这些创新使HomView-MOT在著名的无人机MOT数据集VisDrone和UAVDT上实现了最先进的性能。

Mar, 2024

使用2D检测从单目相机提出了一种三维多目标跟踪（MOT）解决方案，该解决方案在自动启动/终止跟踪，解决外观再出现和遮挡方面具有重要作用。

May, 2024

本研究针对传统多目标跟踪方法在面对非线性和多样化运动时的不足，提出了一种新颖的基于Mamba的运动预测模型（MTP）。MTP通过数据驱动的方法捕捉复杂的运动模式，并有效补偿由于遮挡或运动模糊导致的观测缺失，从而提升了轨迹的连贯性与准确性。实验结果显示，MambaTrack在包括Dancetrack和SportsMOT在内的基准测试中表现优越。

Aug, 2024

本文针对现有多目标跟踪（MOT）中的运动建模效率和效果不足的问题，提出了一种名为TrackSSM的新方法，采用数据依赖的状态空间模型进行轨迹的时间运动建模。该研究的主要发现是TrackSSM在多个基准测试中展现了卓越的跟踪性能，扩展了状态空间模型在多目标跟踪任务中的应用潜力。

Aug, 2024