基于单视图多目标跟踪器的多视图多目标跟踪框架：应用于鱼类数据
计算机视觉与模式识别
2025-05-26 v1
摘要
计算机视觉中的多目标跟踪 (MOT) 已取得显著进展，但在 underwater 环境中跟踪小鱼仍面临独特挑战，主要是由于复杂的三维运动和数据噪声。传统的单视图 MOT 模型在此类场景下往往不足。本研究通过改造最先进的单视图 MOT 模型 FairMOT 和 YOLOv8，应用于生态学研究中的 underwater 鱼类检测与跟踪，以解决这些挑战。该研究的核心贡献是开发了一个多视图框架，利用立体视频输入来增强跟踪精度和鱼类行为模式识别。通过在 underwater 鱼类视频数据集上集成和评估这些模型，旨在证明相对于单视图方法，本框架在精度和可靠性方面具有显著提升。该框架以相对准确率为 47% 检测鱼类实体，并采用立体匹配技术生成一种新型的 3D 输出，为更全面地理解鱼类的运动和相互作用提供了可能。
关键词
引用
@article{arxiv.2505.17201,
title = {A Framework for Multi-View Multiple Object Tracking using Single-View Multi-Object Trackers on Fish Data},
author = {Chaim Chai Elchik and Fatemeh Karimi Nejadasl and Seyed Sahand Mohammadi Ziabari and Ali Mohammed Mansoor Alsahag},
journal= {arXiv preprint arXiv:2505.17201},
year = {2025}
}