DanceTrack：外观一致且运动多样场景下的多目标跟踪
计算机视觉与模式识别
2022-05-25 v3
摘要
多目标跟踪（MOT）的典型流程是使用检测器进行目标定位，随后通过重识别（re-ID）进行目标关联。这一流程部分受到近期目标检测与重识别进展的推动，部分受到现有跟踪数据集中偏差的推动——其中大多数目标往往具有可区分的外观，重识别模型足以建立关联。针对这种偏差，我们重申：当目标外观不足以区分时，多目标跟踪方法同样应当有效。为此，我们提出一个大规模多人跟踪数据集，其中人体外观相似、运动多样且姿态极度舒展。由于该数据集主要包含群体舞蹈视频，我们将其命名为“DanceTrack”。我们期望 DanceTrack 能提供一个更好的平台，以开发更少依赖视觉区分、更多依赖运动分析的 MOT 算法。我们在该数据集上基准测试了若干 SOTA 跟踪器，并观察到与现有基准相比，它们在 DanceTrack 上的性能显著下降。数据集、项目代码与竞赛服务器发布于：\url{https://github.com/DanceTrack}。
引用
@article{arxiv.2111.14690,
title = {DanceTrack: Multi-Object Tracking in Uniform Appearance and Diverse Motion},
author = {Peize Sun and Jinkun Cao and Yi Jiang and Zehuan Yuan and Song Bai and Kris Kitani and Ping Luo},
journal= {arXiv preprint arXiv:2111.14690},
year = {2022}
}
备注
add change log