基于框-平面匹配的密集场景多目标跟踪
计算机视觉与模式识别
2021-04-02 v2
摘要
多目标跟踪（MOT）是计算机视觉中的一项重要任务。由于遮挡问题，尤其是在密集场景中，MOT 仍然具有挑战性。遵循检测跟踪（tracking-by-detection）框架，我们提出框-平面匹配（BPM）方法以提升密集场景下的 MOT 性能。首先，我们设计分层聚合判别模型（LADM）来滤除噪声检测。然后，为了正确关联剩余检测，我们引入全局注意力特征模型（GAFM）提取外观特征，并用其计算历史轨迹与当前检测之间的外观相似度。最后，我们提出框-平面匹配策略，根据轨迹与检测之间的运动相似度和外观相似度实现数据关联。凭借这三个模块的有效性，我们的团队在 ACM MM Grand Challenge HiEve 2020 的 Track-1 排行榜上获得第一名。
引用
@article{arxiv.2007.15576,
title = {Dense Scene Multiple Object Tracking with Box-Plane Matching},
author = {Jinlong Peng and Yueyang Gu and Yabiao Wang and Chengjie Wang and Jilin Li and Feiyue Huang},
journal= {arXiv preprint arXiv:2007.15576},
year = {2021}
}
备注
ACM Multimedia 2020 GC paper. ACM Multimedia Grand Challenge HiEve 2020 Track-1 Winner