面向城市尺度的多摄像头车辆跟踪系统：改进的自监督相机联结模型
计算机视觉与模式识别
2025-02-17 v3 人工智能
摘要
多目标多摄像头跟踪（MTMCT）具有广泛的应用前景，是众多未来城市级系统（如交通管理、事故检测等）的基础。然而，仅依据特征提取进行车辆轨迹跨不同摄像头的匹配，面临着显著挑战。本文引入一种创新的多摄像头车辆跟踪系统，利用自监督相机联结模型。在与依赖人工时空标注的相关工作不同，我们的模型自动提取车辆匹配所需的关键多摄像头关系。通过预匹配过程建立相机联结，该过程评估特征相似性、对数和时间方差，以获得高质量轨迹。这一过程计算所有摄像头组合的空间联结概率，选取得分最高的配对以创建相机联结。我们的做法通过消除人工标注需求，显著缩短部署时间，在实际应用中实现了效率和成本的显著提升。该配对过程通过设置时空约束支持跨摄像头匹配，减少潜在车辆匹配的搜索空间。根据实验结果，所提出的方法在 CityFlow V2 基准测试中实现了 61.07% 的 IDF1 分数，刷新了基于自动相机联结方法的新型状态。
引用
@article{arxiv.2405.11345,
title = {City-Scale Multi-Camera Vehicle Tracking System with Improved Self-Supervised Camera Link Model},
author = {Yuqiang Lin and Sam Lockyer and Nic Zhang},
journal= {arXiv preprint arXiv:2405.11345},
year = {2025}
}
备注
Upload the revised manuscript with the publisher's requirement