补偿跟踪器：针对多目标跟踪中对丢失目标的再处理
计算机视觉与模式识别
2022-02-08 v4 图像与视频处理
摘要
基于检测跟踪范式是最流行的目标跟踪方法之一。然而，它非常依赖于检测器的性能。当检测器出现漏检行为时，跟踪结果将直接受到影响。在本文中，我们分析了在 MOT2020 数据集上实时跟踪模型中跟踪目标丢失的现象。基于简单且传统的方法，我们提出了一种补偿跟踪器，以进一步缓解由漏检引起的跟踪目标丢失问题。它由运动补偿模块和对象选择模块组成。所提方法不仅能够从丢失对象中重新跟踪漏检的跟踪目标，而且不需要额外的网络，从而保持实时模型的速度-精度权衡。我们的方法只需嵌入到跟踪器中即可工作，无需重新训练网络。实验表明，补偿跟踪器能有效提升模型性能并减少身份切换。在有限成本下，补偿跟踪器大幅增强了基线跟踪性能，在 MOT2020 数据集上达到了 66% 的 MOTA 和 67% 的 IDF1。
引用
@article{arxiv.2008.12052,
title = {Compensation Tracker: Reprocessing Lost Object for Multi-Object Tracking},
author = {Zhibo Zou and Junjie Huang and Ping Luo},
journal= {arXiv preprint arXiv:2008.12052},
year = {2022}
}