CAN：用于行人跟踪的复合表观网络及跟踪系统误差建模方法
计算机视觉与模式识别
2019-10-07 v4
摘要
跨多摄像头跟踪多个人是一个开放性问题。它通常分为两个任务：（i）单摄像头跟踪（SCT）——在同一场景中识别轨迹；（ii）跨摄像头跟踪（ICT）——为真实监控场景识别跨摄像头的轨迹。许多方法致力于SCT，而ICT仍具挑战性。本文提出一种跟踪方法，利用运动线索和特征聚合网络，通过融合行人边界框和摄像头信息等元数据，实现基于模板的行人重识别。我们提出一种称为复合表观网络（CAN）的特征聚合架构来解决上述问题。该架构的关键结构称为EvalNet，它关注每个特征向量，并基于为整体模板所接收的梯度学习对其加权，以获得最优重识别性能。我们在具有挑战性的多摄像头跟踪数据集DukeMTMC上通过实验证明了方法的有效性。我们还调研了现有跟踪度量，并提出一种称为“推理误差”（IE）的在线误差度量，通过统一处理SCT和ICT误差，更好地估计跟踪/重识别误差。
引用
@article{arxiv.1811.06582,
title = {CAN: Composite Appearance Network for Person Tracking and How to Model Errors in a Tracking System},
author = {Neeti Narayan and Nishant Sankaran and Srirangaraj Setlur and Venu Govindaraju},
journal= {arXiv preprint arXiv:1811.06582},
year = {2019}
}