ByteTrack: Multi-Object Tracking by Associating Every Detection Box

一.动机：在tracking by detection association时，低分检测得分的目标被直接丢弃的，从而可能会导致真目标丢失和碎片化轨迹的情况。例如被遮挡的目标。

二.创新：提出了一种新的association方法BYTE：几乎连接所有的检测框而不是仅仅是高分检测框。

三.算法：本文是选用了高性能的检测器YOLOX，本文还说这种连接方法应用在9种最新跟踪器的性能在IDF1得分上也有所提升。

首先用检测器预测检测框和其得分，根据阈值（后面有相关的消融实验来说明适用阈值的大小多少合适）分为分高的检测框组和分低的检测框组。3-13

利用卡尔曼过滤器预测每个track在下一帧的位置14-16

第一次连接，利用的是IoU或者Re-ID特征距离计算高分的检测框组和轨迹中的track之间的相似度,再利用匈牙利算法基于相似度去匹配。没有匹配到的高分检测框放在Dremain中，后面可以形成新的轨迹23-25；没有匹配到的轨迹放在Tremain。17-19

第二次连接，用低分检测框组和Tremain中的track进行相似度计算（由于低分检测框可能存在遮挡、运动模糊和外观特征不可靠，所以采用的是Re-ID），未匹配到的低分检测框会被当做背景删除，再次未匹配到的轨迹放在Tlost中（当连续30帧都没匹配到就会被删除）（Tlost也是轨迹T中的一部分，也参与上述的匹配）20-22

旧轨迹的删除：当Tlost中的轨迹连续超过30帧都为匹配到，就会被删除。

新的轨迹的生成：根据Dremain中的高分检测框组形成新的轨迹23-25

图二中，a是检测框的得分；b是第一次连接后的效果；c是第二次连接后的效果。

 四.实验