AnimalTrack：面向野外多动物追踪的基准数据集
计算机视觉与模式识别
2022-11-09 v2
摘要
多动物追踪（MAT）作为多目标追踪（MOT）问题，对动物运动与行为分析至关重要，并在生物学、生态学与动物保护等方面有许多关键应用。尽管重要，由于专用基准的匮乏，MAT相较于多人体追踪等其他MOT问题研究甚少。为解决此问题，我们提出AnimalTrack，一个面向野外多动物追踪的专用基准。具体而言，AnimalTrack由来自10类常见动物的多样选择的58个序列组成。平均每个序列包含33个待追踪目标对象。为保障高质量，AnimalTrack中每帧均经人工标注并仔细核查与精修。据我们所知，AnimalTrack是首个专注于多动物追踪的基准。此外，为理解现有MOT算法在AnimalTrack上的表现并提供未来比较的基线，我们广泛评估了14个最具代表性的SOTA追踪器。评估结果表明，不出所料，由于行人与动物在姿态、运动和表观等多方面差异，多数追踪器性能退化，仍需更多努力以改进多动物追踪。我们希望AnimalTrack连同评估与分析能推动多动物追踪的进一步进展。数据集、评估及分析将发布于https://hengfan2010.github.io/projects/AnimalTrack/。
引用
@article{arxiv.2205.00158,
title = {AnimalTrack: A Benchmark for Multi-Animal Tracking in the Wild},
author = {Libo Zhang and Junyuan Gao and Zhen Xiao and Heng Fan},
journal= {arXiv preprint arXiv:2205.00158},
year = {2022}
}
备注
Tech. report