{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,4,28]]，“日期-时间”：“2024-04-28T09:12:01Z”，“时间戳”：1714295521893}，“参考-计数”：75，“发布者”：“Elsevier BV”，“许可证”：[{“开始”:{“日期-零件”：[2023,9,1]]，”“日期-日期-时间“：”2023-09-01T00:00:00 0Z”，“时间戳”：1693526400000}，“内容-版本”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com//tdm\/userlicense\/1.0\/”}，{“start”：{“date-parts”：[[2023,9,1]]，“date-time”：“2023-09-01T00:00:00Z”，“timestamp”：1693526400000}，“content-version”：“tdm”，“delay-in-days”：“0，“URL”：“https:\/\\/www.else vier.com\/legal\/td”mrep-license“}，{“开始”：{“日期部分”：[[2023,9,1]]，“日期时间”：“2023-09-01T00:00:00Z”，“timestamp”：1693526400000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-017”}，{“start”：{“date-parts”：[[2023,9,1]]，“date-time”：“2023-09-01T00:00Z”，delay-in-days“：0，”URL“：”https:\/\/doi.org\/10.15223\/policy-037“}，{“start”：｛“日期部分”：[[2023,9,1]]，“日期-时间”：“2023-09-01T0:00:00Z”，“时间戳”：1693526400000｝，“内容版本”：“stm-asf”，“延迟天数”：0，“URL”：“https://doi.org/10.15223\/policy-012”｝，｛“开始”：｛“日期部分”：[[2023,9,1]]，“日期-时间”：“2023-09-01T0:00:00Z”，“时间戳”：1693526400000｝，“内容版本”：“stm-asf”，“延迟天数”：0，“URL”：“https://doi.org/10.15223\/policy-029”｝，｛“开始”：｛“日期部分”：[[2023,9,1]]，“日期时间”：“2023-09-01T0:00:00Z”，“时间戳”：1693526400000｝，“内容版本”：“stm-asf”，“延迟天数”：0，“URL”：“https://doi.org/10.15223\/policy-004”｝]，“内容域”：｛“域”：[“elsevier.com”，“sciencedirect.com”]，“交叉停车限制”：true｝，“short-container-title”：[“人工智能的工程应用”]，“published-print”：{“date-parts”：[[2023,9]]}，“DOI”：“10.1016\/j.engappai.2023.106527”，“type”：“journal-article”，“created”：{“date-ports”：[2023,6,12]，“date-time”：“2023-06-12T05:57:29Z”，“timestamp”：1686549449000}：“http://\/dx.doi.org\/10.1016\/elsevier_cm_policy”，“source”：“Crossref”、“is-referenced-by-count”：0，“title”：[“通过深度特征融合和关联分析进行多对象跟踪”]，“prefix”：“10.1016”，“volume”：”124“，“author”：[{“given”：序列“：”附加“，“affiliation”：[]}，{“given”：“Xiaogue”，“family”：“Liang”，“sequence”：“additional”，“affaliation”（从属关系）：[]{“fixed”：“永丰”，“家庭”：“袁”，”sequence“：”additional“，”affiliance“：[]}，”{“给定”：“元之”，“家族”：“程”，“序列”：“附加”，“从属关系”：[]{“ORCID”：”http://ORCID.org\/00000-0002-2617-9673“，”authentica ted-ORCID“：false，”given“：”Guanglei“，“family”：“Zhang”，“sequence”：“additional”，“affiliation”：[]}，{“ORCID”：“http://\/ORCID.org\/00000-0003-2335-3557”，“authenticated-ORCID”：false，“given”：”Shinichi“，”family“：”Tamura“，”sequence“：”additional“，”affiliance“：[]]}]，“member”：“78”，“reference”：[{“key”:“10.1016\/j.engappai.2023.06527_51”，“doi-asserted-by”：crossref“，”首页“：”595“，”doi“：“10.1109”，“TPAMI.2017.2691769”，“article-title”：“基于可信度的数据关联和区分性深度外观学习，用于鲁棒在线多对象跟踪”，“volume”：“40”，“author”：“Bae”，“year”：“2018”，“journal-title“：”IEEE Trans.Pattern Anal.Mach.Intell.“}，{”key“：”10.1016\/j.engappai.2023.06527_52“，”doi-asserted-by“：”crossref“，”doi“：“10.1016\/j.jvcir.2021.103279”，“article-title”：“使用基于CNN的重新识别的GM-PHD过滤器进行遮挡-曝光在线多目标视觉跟踪”，“volume”：“80”，“author”：“Baisa”，“year”：“2021”，“journal-title“：”j.Vis.Commun.Image Represent.“}，{”key“：”10.1016\/j.engappai.2023.106527_b3“，”doi-asserted-by“：”crossref“，”first page“：“2754”，“DOI”：“10.1109\/TTS.22020.2986136”，“文章标题”：“大规模多对象跟踪的解决方案”，“作者”：“Beard”，“年份”：“2020”，“期刊标题”：“IEEE Trans.Signal Process.”}，｛“key”：“10.1016\/j.engappai.2023106527_b4”，“series title”：“IEEE欧洲计算机视觉会议，第9914卷”，“首页”：“850”，“文章标题”：“用于对象跟踪的全卷积暹罗网络”，“author”：“Bertinetto”，“year”：“2016”}，{“key”：“10.1016\/j.engappai.2023.106527_b5”，“series-title”：“IEEE国际图像处理会议，2016年8月”，“first page”：”3464“，“article-title”：”简单的在线和实时跟踪“，”author“：”Bewley“，”year“：”2016“}：“10.1016\/j.engappai.2023.106527_b6”，“doi-asserted-by”：“crossref”，“unstructured”：“Carion，\u00a0N.，Massa，\u001a0F.，Synnaeve，\u000a0G.，et al.，2020。使用变压器进行端到端目标检测。摘自：《欧洲计算机视觉会议论文集》，第12346卷。pp.213\u2013229.“，”DOI“：”10.1007\/978-3-030-58452-8_13“}，{“key”：“10.1016\/j.engappai.2023.106527_b7”，“series-title”：“IEEE计算机视觉与模式识别研讨会会议，2017年”，“首页”：“2143”，“article-tite”：“增强多假设跟踪的检测模型”，“author”：“Chen”，“year”：“2017”}10.1016\/j.engappai.2023.106527_b8“，“series-title”：“IEEE计算机视觉应用冬季会议，第2019卷”，“首页”：“161”，“article-title”：“使用实例软件跟踪器和动态模型刷新进行在线多对象跟踪”，“author”：“Chu”，“year”：“2019”}，{“key”：IEEE国际计算机视觉会议，2017年第卷”，“首页”：“4846”，“文章标题”：“使用基于CNN的单目标跟踪器和时空注意机制进行在线多目标跟踪”，“作者”：“Chu”，“年份”：“2017”}，{“密钥”：“10.1016\/j.engappai.2023.06527_b10”，“series-title”：“第34届AAAI人工智能会议，第2020卷”，“首页”：“10672”，“文章标题”：“DASOT：集成数据关联和单目标跟踪的在线多目标跟踪统一框架”，“作者”：“Chu”，“年份”：“2020”}，{“键”：“10.1016\/j.engappai.2023.06527_b11”，“series-title”：“IEEE \/CVF计算机视觉应用冬季会议”，“首页”：“4870”，“文章标题”：“Transmot:用于多目标跟踪的时空图形变换器”，“作者”：“Chu”，“年份”：“2023”}，{“key”：“10.1016\/j.engappai.2023.06527_b12”，“series-title”：“IEEE计算机视觉和模式识别会议，2015年第卷”，“first page“：”4091“，”article-title“：”Gmmcp tracker：“多目标跟踪的全局最优广义最大多团问题”，“author”：“Dehghan”，“year”：“2015”}，{“key”：“10.1016\/j.engappai.2023.06527_b13”，“doi-asserted-by”：“crossref”，“first pages”：“1627”，“doi”：“101109\/TPAMI.2009.167”，“article-title”：“”使用经过区分训练的基于部分的模型进行对象检测”，“卷”：“32”，“作者”：“Felzenszwalb”，“年份”：“2010年”，“期刊标题”：“IEEE Trans。模式分析。机器。因特尔。“}，{”key“：”10.1016\/j.engappai.2023.106527_b14“，”series-title“：”IEEE Conference on Computer Vision and Pattern Recognition，Vol.2014“，”首页“：”580“，”article-title“：“用于准确对象检测和语义分割的丰富特征层次结构”，“author”：“Girshick”，“year”：“2014”}，“key”：“10.1016\/j.engeppai.2023.06527_b15”，“series-ttle”：“”IEEE \/CVF计算机视觉和模式识别会议，第2021卷“，“首页”：“8132”，“文章标题”：“具有跨任务协同作用的在线多目标跟踪”，“作者”：“郭”，“年份”：“2021”}，{“键”：“10.1016\/j.engappai.2023.06527_b16”，“doi-asserted-by”：“crossref”，《首页》：“173393”，“doi”：“101109\/ACCES.2019.2955809”，“论文标题”：基于高阶外观特征融合的多目标跟踪”，“volume”：“7”，“author”：“Han”，“year”：“2019”，“journal-title”：“IEEE Access”}，{“key”：”10.1016\/j.engappai.2023.06527_b17“，”doi-asserted-by“：”crossref“，”first page“：”2201“，”doi“：”10.1109\/TIP.2022.3154286“，”article-title“：”同数量谐波多目标跟踪“，”volume“：“31“，”作者“：”何“，”年份“：”2022“，”期刊标题“：”IEEE Trans。图像处理。“}，{”key“：”10.1016\/j.engappai.2023.106527_b18“，”series-title“：”IEEE\/CVF Conference on Computer Vision and Pattern Recognition Workshops，Vol.2018“，”first page“：“1509”，”article-title“：“用于多目标跟踪的头部和全身探测器的融合”，“author”：“Henschel”，“year”：“2018”}，“key”：“10.1016\/j.engapbai.2023.106527_b19”，“series-ttle”：“”IEEE计算机视觉和模式识别会议”，“首页”：“1”，“文章标题”：“简单无监督多目标跟踪”，“作者”：“Karthik”，“年份”：“2020”}，{“关键”：“10.1016\/j.engappai.2023.106527_b20”，“第一页”：基尼”，“年份”：“2008年”，“新闻标题”：“EURASIP J.图像视频处理。“}，{”key“：”10.1016\/j.engappai.2023.106527_b21“，”series-title“：”用于联合分割和跟踪多个对象的多切割公式“，”author“：”Keuper“，”year“：”2016“}”，{“key”：“10.1016\/j.engeappai.2023.106527_b22”，“series-ttle”：“IEEE\/CVF计算机视觉和模式识别会议，第2021卷”，“第一页”：“9548”，“article-title“：”用于实时多目标跟踪的带有多轨迹池的鉴别外观建模“，”author“：”Kim“，”year“：”2021“}，{”key“：”10.1016\/j.engappai.2023.06527_b23“，”series-title“：“IEEE国际计算机视觉会议，2015年第卷”，“首页”：“4696”，“article-title”：“重新审视多假设跟踪”，“author“：”Kim“，”year“：”2015“}，{“key”：“10.1016\/j.engappai.2023.106527_b24”，“doi-asserted-by”：“crossref”，“first-pages”：“7957”，“doi”：“101109\/TIP.2020.3009034”，“article-title”：“体育视频中多运动员追踪的基于长期行为依赖的层次化深度关联”，“volume”：”29“author”：“Kong”，“year”：“2020”，“journal-title“：”IEEE传输。图像处理。“}，{”key“：”10.1016\/j.engappai.2023.106527_b25“，”series-title“：”IEEE Conference on Computer Vision and Pattern Recognition Workshops，Vol.2016“，”first page“：“418”，”article-title“：“通过跟踪学习：暹罗CNN实现稳健目标关联”，“author”：“Leal-Taix\u00e9”，“year”：“2016”}，“key”：“10.1016\/j.engeappai.2023.106527_b26”，“series-ttle”：“”IEEE \/CVF国际计算机视觉会议，第2019卷”，“首页”：“6053”，“文章标题”：“用于物体检测的尺度感知三叉戟网络”，“作者”：“李”，“年份”：“2019”}，{“密钥”：“10.1016\/j.engappai.2023.06527_b27”，“series-title”：“IEEE \/CVF计算机视觉和模式识别会议，第2018卷”，《首页》：“8971”，“article-title“：”使用暹罗地区提案网络进行高性能视觉跟踪“，”author“：”Li“，”year“：”2018“}，{“key”：“10.1016\/j.engappai.2023.06527_b28”，“doi-asserted-by”：“crossref”，“doi”：“101016\/j.patcog.2022.108738”，”article-title“”：“基于几何求精的多对象跟踪端到端身份关联网络”，“卷：“129”，“作者”：“李”，“年份”：“2022”，“新闻标题”：“模式识别”。“}，{”key“：”10.1016\/j.engappai.2023.106527_b29“，”series-title“：”IEEE计算机视觉和模式识别会议“，”首页“：”936“，”article-title“：“用于对象检测的特征金字塔网络”，“author”：“Lin”，“year”：“2017”}，“key”：“10.1016\\j.engapai.2023.06527_b30”，“series-ttle”：“European Conference on Computer Vision，Vol.2016”，“first page“：”21“，”article-title“：”SSD：单发多盒探测器“，”author“：”Liu“，”year“：”2016“}，{“key”：“10.1016\/j.engappai.2023.106527_b31”，“doi-asserted-by”：“crossref”，“first pages”：“151”，”doi“：”10.1109\/TITS.2017.2750058“，”article-title“：”使用层次约束进行复杂场景的在线多对象跟踪“，”volume“：“19”，“作者：“刘”，“年份”：“2018年”，“新闻标题”：“IEEE Trans。智力。运输。系统。“}，{”key“：”10.1016\/j.engappai.2023.106527_b32“，”series-title“：”IEEE\/CVF Conference on Computer Vision and Pattern Recognition，Vol.2022“，”首页“：”8781“，”article-title“：“用于对象跟踪的统一变压器跟踪器”，“author”：“Ma”，“year”：“2022”}，”{“key”：“10.1016\\j.engapai.2023.06527_b33”，”doi-asserted-by“：”crossref“，”第一页“：“89”，“DOI“：”10.1007\/s00521-021-06391-y“，”文章标题“：”使用深度学习方法的实时多对象跟踪“，”卷“：”35“，”作者“：”Meimetis“，”年份“：”2021“，”期刊标题“：”神经计算“。申请。“｝，｛”key“：”10.1016\/j.engappai.2023106527_b34“，”系列标题“：”2022 IEEE\/CFF计算机视觉和模式识别会议（CVPR）“，”首页“：”8834“，”文章标题“：”TrackFormer:多对象跟踪变压器“，”作者“：”Meinhardt“，”年份“：”2022“｝，｛”key“：”10.1016\/j.engappai.2023106527_b35“，”系列标题“：”IEEE计算机视觉和模式识别会议，第105卷，“首页”：“1”，“文章标题”：“SDOF-tracker：通过跳过检测和光流快速准确的多人跟踪”，“作者”：“Nishimura”，“年份”：“2022”}，{“key”：“10.1016\/j.engappai.2023.106527_b36”，“series-title”：“IEEE \/CVF计算机视觉和模式识别会议，第2019卷”，“首页”：“821”，“文章标题”：“Libra R-CNN:朝向目标检测的平衡学习”，“作者”：“Pang”，“年份”：“2019”}，{“关键”：“10.1016\/j.engappai.2023.06527_b37”，“系列标题”：《IEEE计算机视觉和模型识别会议》，“首版”：“1”article-title“：”GCNNMatch：“通过sinkhorn归一化用于多目标跟踪的图卷积神经网络”，“author”：“Papakis”，“year”：“2022”}，{“key”：“10.1016\/j.engappai.2023.106527_b38”，“series-title”：“欧洲计算机视觉会议，第2020卷”，“首页”：“145”，“article-title”：”链式跟踪器：端到端联合多目标检测和跟踪的链式成对关注回归结果”，“author”：“Peng”，“year”：“2020”}，{“key”：“10.1016\/j.engappai.2023.06527_b39”，“series-title”：“IEEE国际信息融合会议（Fusion）”，“first page”：”1“，“article-title”：”下一代多目标跟踪器：随机有限集方法vs基于变压器的深度学习”，“author”：“Pinto”，“year”：“2021”}，{“key”：“10.1016\/j.engappai.2023.06527_b40”，“series-title”：“transformer based assignment decision network for multiple object tracking”，“first page”：10.1016\/j.engappai.2023.106527_b41“，“series-title”：“IEEE\/CVF国际计算机视觉会议，第2019卷”，“首页”：“6717”，“文章标题”：“ThunderNet:在移动设备上实现实时通用对象检测”，“作者”：“秦”，“年份”：“2019”}，{“密钥”：“10.1016\/j.engeappai.2023106527_ b42”，“series标题”：IEEE计算机视觉与模式识别会议，第2016卷，“首页”：“779”，“文章标题”：“你只看一次：统一的实时对象检测”，“作者”：“Redmon”，“年份”：“2016”｝，｛“密钥”：“10.1016\/j.engappai.20231.06527_b43”，“doi断言者”：“crossref”，“首页”：“1137”，“doi”：“10.1109\/TPAMI.2015.2577031”，“文章标题”：“更快的R-CNN：通过地区提案网络实现实时目标检测”，“卷”：“39”，“作者”：“任”，“年份”：“2017年”，“新闻标题”：“IEEE Trans。模式分析。机器。因特尔。“}，{”key“：”10.1016\/j.engappai.2023.106527_b44“，”doi-asserted-by“：”crossref“，”first page“：“1439”，”doi“：”101109\/TIP.2020.3044219“，”article-title“：”Tracking-by-counting:“使用人群密度图上的网络流来跟踪多个目标”，“volume”：“30”，“author”：“Ren”，“year”：“2021”，“journal-title”：“IEEE Trans.Image Process.”}10.1016\/j.engappai.2023.106527_b45“，“series-title”：“IEEE\/CVF计算机视觉和模式识别会议”，“首页”：“658”，“article-title”：“并集上的广义交集：边界盒回归的度量和损失”，“author”：“Rezatofighi”，“year”：“2019”}，{“key”：IEEE \/CVF计算机视觉和模式识别会议，第2018卷”，“首页”：“6036”，“文章标题”：“多目标多摄像机跟踪和重新识别的功能”，“作者”：“Ristani”，“年份”：“2018”}，{“key”：“10.1016\/j.engappai.2023.06527_b47”，“series-title”：“IEEE国际计算机视觉会议，第2017卷”首页“：”300“，”article-title“：”追踪不可追踪的线索：学习追踪具有长期依赖性的多重线索“，”author“：”Sadeghian“，”year“：”2017“}，{“key”：“10.1016\/j.engappai.2023.06527_b48”，“series-title”：“欧洲计算机视觉研讨会，第12538卷”，“首页”：“485”，“article-title”：”第一人称视觉多目标跟踪运动预测”，“author”：“S\u00e1nchez-Matilla”，“year”：“2020”}，{“key”：“10.1016\/j.engappai.2023.106527_b49”，“doi-asserted-by”：“crossref”，”first page“：“51”，”doi“：”10.1109\/TPAMI.2005.1“，”article-title“：”一种多帧点对应的非迭代贪婪算法“，”volume“：”27“，”author“：”Shafique”，“年份”：“2005年”，“新闻标题”：“IEEE Trans。模式分析。机器。因特尔。“}，{”key“：”10.1016\/j.engappai.2023.106527_b50“，”series-title“：”IEEE Conference on Computer Vision and Pattern Recognition，Vol.2010“，”first page“：IEEE \/CVF计算机视觉和模式识别会议”，“首页”：“12367”，“文章标题”：“暹罗MOT:暹罗多目标跟踪”，“作者”：“帅”，“年份”：“2021”}，{“关键”：“10.1016\/j.engappai.2023.06527_b52”，“系列标题”：《IEEE计算机视觉和模型识别会议，2017年第卷》，“首版”：“3786”，“论文标题”：用四重卷积神经网络进行多目标跟踪“，”author“：”Son“，”year“：”2017“}，{”key“：”10.1016\/j.engappai.2023.106527_b53“，”first page“：“104”，”article-title“：”Deep affinity network for multiple object tracking“，”volume“：10.1016\/j.engappai.2023.106527_b54“，“series-title”：“TransTrack:使用变压器进行多目标跟踪”，“author”：“Sun”，“year”：“2020”}，{“key”：“10.1016\/j.engeappai.2023.106527_b55”，“series-title”：《IEEE\/CVF计算机视觉和模式识别会议（CVPR）》，“首页”：“5686”，“article-title“：”人类姿势估计的深度高分辨率表征学习”，“author”：“Sun”，“year”：“2019”}，{“key”：“10.1016\/j.engappai.2023.06527_b56”，“doi-asserted-by”：“crossref”，“unstructured”：“Tang，\u00a0S.，Andres，\u000a0B.，Andriluka，\u100a0M.，et al.，2016。通过多切割和深度匹配进行多人跟踪。摘自：《欧洲计算机视觉会议论文集》，2016年第卷。pp.100\u2013111.“，”DOI“：”10.1007\/978-3-319-4881-3_8“}，{“key”：“10.1016\/j.engappai.2023.106527_b57”，“series-title”：“IEEE计算机视觉和模式识别会议”，“首页”：“1”，“文章标题”：“监控场景中的在线和实时跟踪”，“author”：“Urban”，“year”：“2021”}，“key“10.1016”：“j.engapai.2023.06527_bb8”，“series-title“：”注意力是你所需要的”，“author”：“Vaswani”，“year”：“2017”}，{“key”：“10.1016\/j.engappai.2023.06527_b59”，“doi-asserted-by”：“crossref”，“first page”：”484“，“doi”：“101007\/s11263-016-0960-z”，“article-title”：“通过上下文交互学习多目标跟踪的最佳参数”，“volume”：2016年”，“新闻标题”：“国际计算杂志”。视觉。“}，{”key“：”10.1016\/j.engappai.2023.106527_b60“，”first page“：“1”，”article-title“：”Split and connect:A universal tracklet booster for multi-object tracking“，”author“：”Wang“，”year“：”2022“，”journal-title”：“IEEE Trans.Multimed.”}，”{“key”：“10.1016\\j.engapai.2023.06527_561”，“series-title”：”IEEE计算机视觉和模式识别研讨会会议，2016年第卷”，“首页”：“386”，“文章标题”：“卷积神经网络和tracklet关联时间约束度量的联合学习”，“作者”：“王”，“年份”：“2016”}，{“关键”：“10.1016\/j.engappai.2023.06527_b62”，“doi-asserted-by”：“crossref”，“第一页”：247“，”DOI“：”10.1007\/s11263-006-0027-7“，“article-title”：“通过基于edgelet的零件检测器的贝叶斯组合检测和跟踪多个部分闭塞的人”，“volume”：“75”，“author”：“Wu”，“year”：“2007”，“journal-title“：”Int.J.Compute。视觉。“}，{”key“：”10.1016\/j.engappai.2023.106527_b63“，”series-title“：”IEEE\/CVF国际计算机视觉会议，2019年第卷“，”首页“：”3987“，”article-title“：“多对象跟踪的时空关系网络”，”author“：”Xu“，”year“：”2019“}IEEE \/CVF计算机视觉和模式识别会议，第2020卷”，“首页”：“6786”，“文章标题”：“如何训练深度多目标跟踪器”，“作者”：“Xu”，“年份”：“2020”}，{“关键”：“10.1016\/j.engappai.2023.06527_b65”，“系列标题”：”另一个加速的sgd:Resnet-50在imagenet上74.7秒的训练”，“作家”：“山崎”，“年份“：“2019”}，{“key”：“10.1016\/j.engappai.2023.06527_b66”，“series-title”：“第六届机器人与人工智能国际会议，第2020卷”，“首页”：“134”，“article-title”：”匈牙利算法下基于空间约束的成本矩阵优化方法“，”author“：”Ye“，”year“：”2020“}10.1016\/j.engappai.2023.106527_b67“，“series-title”：“IEEE高级视频和基于信号的监控国际会议，2018年第1卷”，“首页”：“1”，“文章标题”：“带历史外观匹配和场景自适应检测滤波的在线多目标跟踪”，“作者”：“Yoon”，“年份”：“2018”}，{“关键”：“10.1016\/j.engappai.2023.106527_b68“，“series-title”：“IEEE计算机视觉和模式识别会议，2016年第1卷”，“首页”：“1392”，“文章-标题”：“通过结构约束事件聚合进行在线多对象跟踪”，“作者”：“Yoon”，“年份”：“2016”}，{“key”：“10.1016\/j.engeappai.2023.106527_b69”，“series-标题”欧洲计算机视觉会议，第7573卷，“首页”：“343”，“article-title”：“GMCP-tracker：使用广义最小团图进行全局多目标跟踪”，“author”：“Zamir”，“year”：“2012”}，{“key”：“10.1016\/j.engappai.2023.106527_b70”，“series-title”：MOTR：带变压器的端到端多对象跟踪“，”author“：”Zeng“，”year“：”2021“}，{”key“：”10.1016\/j.engappai.2023.106527_b71“，”series-title“：”多对象跟踪的简单基线“，”author“:”Zhang“，”year“：“2020”}，“key”：“10.1016\\j.engapai.2023.06527_b72”，“article-title”：“级联R-CNN：高质量对象检测和实例分割”，“卷”：“2019”，“作者”：“赵伟”，“年份”：“2017”，“新闻标题”：“IEEE Trans。模式分析。机器。因特尔。“}，{”key“：”10.1016\/j.engappai.2023.106527_b73“，”series-title“：”欧洲计算机视觉会议，第2020卷“，”首页“：”474“，”article-title“：“跟踪对象作为点”，”author“：”Zhou“，”year“：”2020“}“key”：“10.1016\/j.engeappai.2023.106527_b74”，”doi-asserted-by“：”crossref“，”doi“：”101016\/j.patcog.2020.107512““，”文章标题“：”用于在线多对象跟踪的分心感知辨别学习”，“卷”：“107”，“作者”：“周”，“年”：“2020”，“期刊标题”：“模式识别”}，{“键”：“10.1016\/j.engappai.20231.06527_b75”，“doi断言”：“crossref”，“非结构化”：“Zhu，\u00a0J.Yang，\u00a0H.Liu，\u00a0N.et al.，2018。具有双重匹配注意力网络的在线多目标跟踪。摘自：《欧洲计算机视觉会议论文集》，第11209卷。第379\u2013396页。“，”DOI“：”10.1007\/978-3-030-01228-1_23“}]，”container-title“：[”人工智能的工程应用“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/api.elsevier.com/content\/article\/PII:S095219762300711X？httpAccept=text\/xml“，”content-type“：”text\/.xml“，”内容版本“：”vor“，”预期应用程序“：”text-mining“}，{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S095219762300711X？httpAccept=text\/plain”，“content-type”：“text\/plan”，“内容版本”：“vor”，“intended-application”：“文本-mining”}]，“存放”：{“date-parts”：[2024,4,27]]，“日期时间”：“2024-04-27T19:44:36Z”，“时间戳”：1714247076000}，“score”“：1，”资源“：{”主“：{”URL“：”https:\/\/linkinghub.elsevier.com/retrieve\/pii\/S095219762300711X“}}，”subtitle“：[]，”shorttitle“：[]，”issued“：{”date-parts“：[2023,9]]}，“references-count”：75，“alternative-id”：[“S095219763300711x”]，“URL”：“http://\/dx.doi.org\/10.1016\/j.engappai.2023.06527”，“relation”：{}，“ISSN”：[“0952-1976”]，“ISSN-type”：[{“value”：“0952-1976”，“type”:“print”}]，“subject“：[]，”published“：{”date-parts“：[[2023,9]]}，”assertion“：[{”value“：”Elsevier“，”name“：”publisher“，”label“：”This article is maintained by“}，{”value“：”Multi-object tracking via deep feature fusion and association analysis“，”name:“articletle”，“label”：“article Title”}，“value”：“人工智能的工程应用”，“name”：“”journaltitle“，”label“：”Journal Title“}，”{“value”：“https:\/\/doi.org\/101016\/j.engappai.2023.106527”，“name”：“articlelink”，“label”：“CrossRef doi link to publisher maintained version”}，{“value”：“文章”，“名称”：“content_type”，“标签”：“内容类型”}，“文章编号“：”106527“｝｝