Deep OC-SORT：基于自适应重识别的多行人跟踪
计算机视觉与模式识别
2023-02-24 v1
摘要
随着强大目标检测器的兴起，基于运动的关联在多目标跟踪（MOT）中近期重新获得突出地位。尽管如此，除缺乏对环境特征退化鲁棒性的简单启发式模型外，很少有学者将外观线索纳入其中。本文提出一种新方法，利用对象外观将外观匹配自适应地整合进现有高性能基于运动的方法中。基于纯基于运动的 OC-SORT 方法，我们在 MOT20 上取得第 1 名、在 MOT17 上取得第 2 名，HOTA 分别为 63.9 与 64.9。我们还在具有挑战性的 DanceTrack 基准上以 61.3 HOTA 取得新的 SOTA，即便与更复杂设计的方法相比亦是如此。代码与模型可在 \url{https://github.com/GerardMaggiolino/Deep-OC-SORT} 获取。
引用
@article{arxiv.2302.11813,
title = {Deep OC-SORT: Multi-Pedestrian Tracking by Adaptive Re-Identification},
author = {Gerard Maggiolino and Adnan Ahmad and Jinkun Cao and Kris Kitani},
journal= {arXiv preprint arXiv:2302.11813},
year = {2023}
}
备注
Ranks 1st among published methods on MOT17, MOT20 and DanceTrack benchmarks; 5 pages