超越像素：利用几何与形状线索的在线多目标跟踪
机器人学
2018-07-30 v2 计算机视觉与模式识别
摘要
本文针对城市驾驶场景中的多目标跟踪，引入了几何、物体形状与位姿代价。仅使用单目相机图像，我们基于物体位姿、形状和运动等若干三维线索，为物体轨迹设计了成对代价。所提出的代价与数据关联方法无关，可纳入任意优化框架以输出成对数据关联。这些代价易于实现、可实时计算，并相互补充以克服基于检测跟踪框架中可能出现的误差。我们对所设计的代价进行了广泛分析，并在不同条件下实证展示了相对于最先进方法的一致提升：这些条件采用了多种物体检测器，呈现出相机与物体运动的多样性，且更重要的是不依赖于关联框架的选择。我们还表明，使用最简单的关联框架（两帧匈牙利指派）即可在道路场景多目标跟踪上超越最先进水平。更多定性与定量结果见以下 URL：https://junaidcs032.github.io/Geometry_ObjectShape_MOT/。
引用
@article{arxiv.1802.09298,
title = {Beyond Pixels: Leveraging Geometry and Shape Cues for Online Multi-Object Tracking},
author = {Sarthak Sharma and Junaid Ahmed Ansari and J. Krishna Murthy and K. Madhava Krishna},
journal= {arXiv preprint arXiv:1802.09298},
year = {2018}
}
备注
ICRA 2018 paper. Code available at https://github.com/JunaidCS032/MOTBeyondPixels