recenti sviluppi nei modelli multimodali, come CLIP, hanno abilitato il paradigma di open-vocabulary object detection, in cui gli oggetti possono essere individuati e classificati a partire da una query testuale, superando il vincolo di aderenza ad un insieme fisso di categorie. L’applicazione di queste tecnologie in contesti di tracking ha portato alla nascita di sistemi open vocabulary multi-object tracking (OV-MOT). Tuttavia, la complessità computazionale tipica di questi modelli ne ostacola l’impiego in scenari real-time. Il lavoro presentato ha come obiettivo la progettazione, implementazione e valutazione di una soluzione di OV-MOT in tempo reale. Il sistema proposto alleggerisce la fase di ricostruzione delle traiettorie, sostituendo le misure di similarità tradizionali, come cosine similarity o meccanismi di attention, con la distanza di Hamming tra rappresentazioni binarie apprese appositamente.