用于评估多类多目标视频跟踪性能的数据集
计算机视觉与模式识别
2017-04-24 v1
摘要
评估多目标视频检测、跟踪和分类系统的挑战之一在于拥有可公开获取的数据集以比较不同系统。然而，跟踪与分类的性能度量不同。适用于评估跟踪系统的数据集可能不适合分类。跟踪视频数据集通常只有真值跟踪ID，而分类视频数据集只有真值类别标签ID。前者在多个帧中标识同一对象，后者在单个帧中标识对象类型。本文描述了DARPA Neovision2 Tower数据集真值元数据的改进，以允许同时评估跟踪和分类。本文呈现的真值数据集包含24个视频（每个871图像帧）中5种不同对象类别（Car、Bus、Truck、Person、Cyclist）的唯一对象ID。除对象ID和类别标签外，真值数据还包含原始边界框坐标，以及在存在未标注对象的实例中的新边界框。唯一ID在多对象间遮挡或对象重新进入视野时保持。这将提供：评估不同类型对象多目标跟踪性能的坚实基础，使用标准多目标跟踪（MOT）框架的跟踪系统性能直接比较，以及使用Neovision2度量的分类性能。这些数据已公开托管。
引用
@article{arxiv.1704.06378,
title = {A data set for evaluating the performance of multi-class multi-object video tracking},
author = {Avishek Chakraborty and Victor Stamatescu and Sebastien C. Wong and Grant Wigley and David Kearney},
journal= {arXiv preprint arXiv:1704.06378},
year = {2017}
}
备注
Originally presented at SPIE Defense + Security conference on Automatic Target Recognition XXVII (2017)