我在做排球运动员多目标跟踪研究，目标期刊是《金陵科技学院学报》。这个对话讨论“路线二：目标号码归属与完整性判别，以及可信...

Prompt

我在做排球运动员多目标跟踪研究，目标期刊是《金陵科技学院学报》。这个对话讨论“路线二：目标号码归属与完整性判别，以及可信号码证据引导的身份关联”，不要与另一个对话的竞争关联网络混在一起。 核心研究问题不是简单提高OCR准确率，而是：OCR可能正确读出了旁人的号码，或把目标的部分号码当作完整号码；这些高置信度但不适用的证据进入轨迹记忆后，可能造成错误身份绑定和关联。需要先核验这条完整错误链，再设计针对性的模型。 希望研究一个轻量、可训练的结构，判断“号码是否属于目标、是否完整、能否用于身份更新”，再接入DeepEIoU。注意力可以作为结构组成部分，但不能仅把ResNet加CA、加一个MLP质量头或标准损失函数改名当成充分创新。优先保留已有OCR，不同时重做识别器、关联、投票、找回和离线合并。 已知边界： - 原方法已有置信度软代价、轨迹投票及重复号码处理，不能重复算新增贡献。 - 历史流水线快照的可读性门控是姿态关键点规则，不能默认现有系统使用ResNet34分类器。 - 私有132段女排数据集共20分钟，主要来自同一场比赛，少数来自另一场，两场近侧同队；目前不重划分，不能声称已完成跨比赛或跨球队泛化。 - 当前公共实验没有可直接使用的OCR缓存；SportsMOT号码可见性、识别覆盖及迁移收益需要核查。 - 号码项关闭只代表当次代价不受号码影响，不保证整段跟踪不退化；高置信同号也不能直接作为合并轨迹的充分依据。 - 不保证期刊录用，不预设新模型一定提升；识别改善必须进一步验证是否带来完整跟踪收益。 请先给出：①问题是否有足够真实证据；②最小可行模型结构及其与已有方法的区别；③标签定义与数据准备；④能够区分结构贡献、容量贡献和关联策略贡献的消融；⑤跨数据集验证的可行性及停止条件。先讨论并审计，不直接启动大规模训练，不修改原GT、不覆盖既有代码或结果。