多目标跟踪

Parent: ai_keywords

多目标跟踪（Multiple Object Tracking, MOT）

核心定义

多目标跟踪是计算机视觉与计算神经科学交叉的研究领域，指在视频序列中同时检测并持续追踪多个感兴趣目标（如行人、细胞、移动物体），为每个目标赋予唯一标识（ID），并维护其轨迹。在神经科学中，MOT 范式被广泛用于研究人类视觉注意的容量、分配机制及工作记忆的时空动态——受试者需在干扰项中跟踪多个动态目标，反映大脑在复杂场景下的资源分配能力。

关键技术点

  1. 检测与数据关联

    • 基于目标检测器（如 YOLO、Faster R-CNN）生成候选框，通过匈牙利算法或联合概率数据关联（JPDA）将当前帧检测与已有轨迹匹配，解决 ID 交换（Identity Switch）问题。

  2. 运动预测模型

    • 采用卡尔曼滤波（Kalman Filter）或粒子滤波（Particle Filter）估计目标运动状态（位置、速度），处理遮挡和短时丢失。DeepSORT 引入马氏距离与外观特征余弦距离联合度量。

  3. 特征提取与重识别（ReID）

    • 利用卷积神经网络（CNN）或 Transformer 提取目标外观特征（如行人 ReID 特征），在长时间遮挡后仍能正确重关联，降低 ID 跳变率。

  4. 轨迹管理与生命周期模型

    • 建立置信度评分（如检测置信度、轨迹年龄）决定新轨迹的创建、确认或删除，抑制误检噪声。SORT 算法提出简易的确定性规则。

  5. 端到端与 Transformer 架构

    • TransTrack、MOTR 等模型将检测与关联统一建模，避免分离式流水线的误差累积，利用时空注意力机制直接输出轨迹。

医学/神经科学应用场景

首都医科大学神经病学研究 —— 认知障碍早期筛查的 MOT 范式
基于多目标跟踪的视觉注意任务可量化帕金森病（PD）和阿尔茨海默病（AD）患者的空间注意缺陷。研究设计：受试者在一屏动态点阵中同时追踪 4 个目标，计算机实时记录追踪成功率、反应时及注视行为。

  • 异常模式：AD 患者追踪容量（正常约 3-4 个）显著下降，且随着疾病进展 ID 丢失率升高，反映前额叶-顶叶注意网络功能失调。
  • 临床转化：联合首都医科大学宣武医院团队，将 MOT 范式嵌入智能眼动仪，开发用于轻度认知障碍（MCI）的便携式筛查系统，敏感度达 85%，特异度 92%，为早期干预提供客观生物标志物。