01
目标关联算法概述
什么是目标关联 · 应用场景（自动驾驶、安防监控、体育分析）· 课程框架与学习路径
入门全景
02
数学基础回顾
向量与矩阵运算 · 欧氏距离与马氏距离 · 卡尔曼滤波基础 · 贝叶斯公式
数学预备
03
数据关联基础
最近邻(NN) · 全局最近邻(GNN) · 代码实现与实战
经典代码
04
匈牙利算法详解
指派问题 · 算法步骤与复杂度 · Python实现与可视化
优化核心
05
联合概率数据关联(JPDA)
JPDA原理 · 联合事件概率计算 · 优缺点与适用场景
概率多目标
06
多假设跟踪(MHT)
核心思想 · 假设生成与管理 · 剪枝策略 · MHT vs JPDA
假设对比
07
卡尔曼滤波实战
状态预测与更新 · EKF · UKF · Python实现
滤波实战
08
粒子滤波基础
蒙特卡洛方法 · 重要性采样 · 粒子退化与重采样 · 跟踪应用
采样非线性
09
单目标跟踪实战
初始化与终止逻辑 · 生命周期管理 · 基于卡尔曼滤波的代码
单目标生命周期
10
多目标跟踪框架 SORT
SORT算法详解 · 代码实现 · 局限性分析
MOT轻量
11
DeepSORT算法
外观特征提取 · 级联匹配 · DeepSORT vs SORT · 实战
深度学习ReID
12
ByteTrack算法
BYTE数据关联策略 · 低分检测框处理 · 代码实战
高性能低分
13
OC-SORT算法
核心改进 · 相机运动补偿 · 实战与调参
运动补偿鲁棒
14
BoT-SORT算法
BoT-SORT架构 · 相机运动与外观融合 · 代码实现
融合SOTA
15
Transformer在跟踪中的应用
DETR与跟踪 · TrackFormer · MOTR · TransTrack
Transformer注意力
16
图神经网络与关联
图匹配网络 · 端到端学习关联 · GNN在MOT中的应用
GNN结构
17
多传感器融合关联
雷达与视觉融合 · 时间同步与空间对齐 · 融合策略
融合传感器
18
3D多目标跟踪
3D检测基础 · 3D卡尔曼滤波 · 3D关联策略 · nuScenes实战
3D自动驾驶
19
跟踪评价指标
MOTA · MOTP · IDF1 · HOTA · MT/ML · 评价工具
指标评估
20
数据集与标注格式
MOTChallenge · KITTI · nuScenes · Waymo · 格式转换
数据基准
21
数据关联中的挑战
遮挡处理 · ID切换 · 轨迹碎片化 · 误检与漏检应对
难点鲁棒
22
实时性优化
算法加速策略 · C++部署 · TensorRT推理 · 轻量化模型
加速部署
23
多摄像头跟踪
跨摄像头关联 · 重识别(ReID) · 时空一致性约束
多视角ReID
24
群体行为分析
群体跟踪 · 社交力模型 · 群体模式识别
群体行为
25
体育场景实战
足球/篮球运动员跟踪 · 球类跟踪 · 战术分析
体育实战
26
自动驾驶场景实战
车辆与行人跟踪 · 多目标跟踪在规划中的应用
自动驾驶规划
27
安防监控场景实战
人流统计 · 异常行为检测 · 跨镜追踪
安防监控
28
端到端跟踪方法
FairMOT · CSTrack · CenterTrack · 端到端训练技巧
端到端联合
29
跟踪系统架构设计
模块化设计 · 配置管理 · 日志与可视化 · 系统集成
架构工程
30
项目实战与总结
完整项目流程 · 常见问题排查 · 性能调优 · 未来趋势
综合展望