基于事件相机的异步多目标跟踪

事件相机因其低延迟输出、高时间分辨率和高动态范围，成为在高度动态环境中检测和跟踪物体的理想传感器。本文提出一种异步事件多目标跟踪算法（AEMOT），通过异步处理单个原始事件来实现多目标检测与跟踪。AEMOT 通过识别一致光流区域来检测显著事件 blob 特征，使用基于事件表面积的活动流方向领域（Field of Active Flow Directions）构建。检测到的特征使用最近提出的异步事件 blob（AEB）跟踪器进行跟踪，以构建每个候选物体的小强度补丁。我们提出的新学的验证阶段基于对强度补丁的分类来提升或丢弃候选物体，提升后的物体将在其事件速率下估计位置、速度、尺寸和方向。我们在新的 Bee Swarm 数据集上评估了 AEMOT，结果显示其在检测与跟踪准确率方面显著优于基于事件的其他检测与跟踪算法，超过 37%。源代码和标注好的事件 Bee Swarm 数据集将开源发布。