AttMOT：通过引入辅助行人属性改进多目标跟踪
计算机视觉与模式识别
2023-08-16 v1
摘要
多目标跟踪（MOT）是计算机视觉中的一个基础问题，具有诸多应用，如智能监控和自动驾驶。尽管MOT取得了显著进展，但包含丰富高层信息的行人属性（如性别、发型、体型和服装特征）却较少被探索。为弥补这一不足，我们提出了一种简单、有效且通用的方法来预测行人属性，以支持通用的Re-ID嵌入。我们首先引入AttMOT，一个大规模、高度丰富的合成行人跟踪数据集，包含超过80k帧和600万个具有不同时间、天气条件和场景的行人ID。据我们所知，AttMOT是首个带有语义属性的MOT数据集。随后，我们探索了融合Re-ID嵌入与行人属性的不同方法，包括注意力机制，希望借此推动属性辅助MOT的发展。所提出的方法AAM通过在AttMOT数据集上的实验，在包括MOT17和MOT20在内的多个代表性行人多目标跟踪基准上展示了其有效性和通用性。当应用于最先进的跟踪器时，AAM在MOTA、HOTA、AssA、IDs和IDF1分数上实现了持续提升。例如，在MOT17上，所提方法与FairMOT结合使用时带来了+1.1 MOTA、+1.7 HOTA和+1.8 IDF1的提升。为鼓励对属性辅助MOT的进一步研究，我们将发布AttMOT数据集。
引用
@article{arxiv.2308.07537,
title = {AttMOT: Improving Multiple-Object Tracking by Introducing Auxiliary Pedestrian Attributes},
author = {Yunhao Li and Zhen Xiao and Lin Yang and Dan Meng and Xin Zhou and Heng Fan and Libo Zhang},
journal= {arXiv preprint arXiv:2308.07537},
year = {2023}
}