用于多目标跟踪的图形化社会拓扑模型
计算机视觉与模式识别
2017-10-02 v2
摘要
当物体成群移动并相互遮挡时，多目标跟踪是一项具有挑战性的任务。现有方法已研究了群体划分和群体能量最小化问题；然而，缺乏整体的物体-群体拓扑建模限制了它们处理复杂物体与群体动态的能力。受运动物体的社会亲和性启发，我们提出了一种图形化社会拓扑(Graphical Social Topology, GST)模型，该模型通过使用拓扑表示联合建模群体结构和物体状态来估计群体动态。借助这种拓扑表示，运动物体不仅被分配到群体中，而且彼此动态连接，这使得群内个体能够被正确关联，并且每个群体的凝聚力能够被精确建模。利用精心设计的拓扑学习模块和拓扑训练，我们推断动态群体的出生/死亡以及合并/分裂。借助GST模型，所提出的多目标跟踪器可以通过将被遮挡物体与其他群内成员视为一个整体，同时利用整体状态转移，自然地处理遮挡问题。在RGB和RGB-D数据集上的实验证实，所提出的多目标跟踪器尤其在拥挤场景中改进了现有最佳方法。
引用
@article{arxiv.1702.04040,
title = {A Graphical Social Topology Model for Multi-Object Tracking},
author = {Shan Gao and Xiaogang Chen and Qixiang Ye and Junliang Xing and Arjan Kuijper and Xiangyang Ji},
journal= {arXiv preprint arXiv:1702.04040},
year = {2017}
}
备注
there is an input error in experiments, so we should change the results in all results tables