摘要： 在目前的多目标跟踪方法中，基于tracking-by-detection框架的跟踪方法因其较高的准确性而成为目前最主流的跟踪方法。该类方法通常采用独立的目标检测、特征提取和跟踪方法实现多目标跟踪，但这种多阶段的目标检测与跟踪方法效率低，不适合实时的应用场景。针对上述问题，提出了一种基于目标关联学习的端到端目标检测与跟踪方法，通过使用单一网络同时实现目标检测与层间特征融合的可区分特征提取，并采用目标关联网络学习目标间的特征关联性，端到端地实现多目标跟踪结果。实验结果表明：在MOT17数据集上，该方法的多目标跟踪综合准确度指标MOTA达到65.2,整体的预测速度达到9帧/s,比现有先进的多目标跟踪算法在速度和精度上都有明显提升，是一个可满足实际应用的高效目标检测和跟踪方法。

关键词: 端到端;关联学习;目标检测;目标跟踪;

中图分类号: 

• TP391.41