具体流程见下表，其中w1=0.5, w2=1.5, w3=1.2, τt=0.5, τa=0.4, τm=100。
4. Offline Tracker
Offline Tracker 是基于H2T的改进版本，主要使用了K-Dense Neighbors搜索算法，具体步骤见下：
使用了和Online Tracker相同的特征构建关联度矩阵。
文章提出两个阈值来解决motion和平滑关联性对于过大target不稳定的问题。
在构建关联度矩阵时放弃了高阶信息，来减少矩阵维度并提高DN搜索的效率。
具体步骤见下，由于主要着眼于Online Track，这里就不再详细展开，感兴趣的读者可以参考原文及其给出的参考文献。
文章结果
文章结果见下表，文章结果还是很不错的，在当时也达到了SOTA。不过相比于之前文章分析的SORT(60Hz)以及Deep SORT(40Hz)，此方法(10Hz)在实时性方面还是有比较大的差距。个人认为主要是由于检测部分以及用于提取appearance特征的GoogLeNet计算量较大所导致的，这个网络结构换为轻量级的网络即可，在此就不再赘述。