《Online Multi-Target Tracking Using Recurrent Neural Networks》notes

《基于循环神经网络的在线多目标跟踪方法》发表于2017年AAAI会议，由阿德莱德大学与ETH联合完成。该研究首次实现了利用RNN进行端到端的目标跟踪任务。（相较于2016年AAAI上发表的首篇将RNN应用于追踪领域的论文，尽管其效果较为理想，但所使用的传感器数据近乎完美，目标数量已知，并且运动轨迹具有平滑性和线性特征。）目前在网络上能够找到的关于该论文的解读资料中，本文应属最为详尽的一篇，文末还附有作者个人的理解与分析。

摘要：

我们设计了一种依托RNN架构的在线多目标跟踪技术，针对在线跟踪过程中存在的诸多难题：目标数量无法预知；对目标持续状态的精准推断；以及数据关联策略的制定。所提出的方案从理论层面系统性地应对了上述各项挑战。

研究背景与问题提出

1. 我们的主要成果包括以下几个方面：
   （1）受到贝叶斯滤波理念的启发，我们设计出一种循环神经网络，能够在统一的架构中实现预测、数据关联、状态更新以及目标的生成与消失等多目标跟踪任务。该方法的一个显著优势在于其无需依赖任何先验信息，例如目标运动规律或杂波分布情况，因此具备处理线性（如卡尔曼滤波）、非线