本文介绍了一种创新的多摄像头车辆追踪系统，利用自监督的摄像头链接模型和时空约束，实现了在多移动相机环境下的多目标跟踪。该系统在CityFlow V2基准测试中取得了61.07%的IDF1得分，展示了其高效性和成本效益。此外，研究提供了一个大规模数据集MTMMC，包含多模态摄像机捕获的视频序列，为多摄像头跟踪研究提供了挑战性测试平台。

本研究提出了一种新的COPA方法，旨在提高PARAFAC2模型在时空约束下的可解释性和抗噪声能力。实验结果表明，该方法在速度上优于传统PARAFAC2，且精度相当。此外，研究还探讨了多种张量分解方法在不同数据集上的应用，显示出更高的效率和准确性。

本研究提出了一种名为AO-ADMM的新的COPA方法，用于解决PARAFAC2模型在时空约束方面的问题。实验证明，AO-ADMM方法比PARAFAC2更快且精度相同。