摘要
基于检测的多目标跟踪（MOT）追踪框架通常采用固定的置信度阈值进行数据关联，这使其对由相机运动、光照变化和物体遮挡引起的帧级变化非常敏感。为了解决这一局限性，本文提出了一种自适应置信度阈值（ACT）机制，根据检测置信度分数的统计分布动态调整高置信度和低置信度阈值，无需引入额外的神经网络模块。所提出的方法利用置信度分数的一阶分位数作为帧级检测可靠性的代理指标，并利用候选检测数量作为候选检测负载的指示器，从而实现鲁棒数据关联的自适应阈值选择。因此，在困难条件下，退化的真实目标能更有效地被保留，同时在稳定场景中不必要的背景噪声则被抑制。使用两种代表性的TBD跟踪器进行的实验将ACT与固定阈值基线和序列调整基线进行了比较。结果表明，ACT在保持实时处理速度的同时，达到了与序列调整基线相当的性能，且无需进行序列特定的阈值调整。
