DenseTrack：基于密度感知运动-外观协同的无人机人群跟踪
计算机视觉与模式识别
2024-07-29 v2
摘要
无人机人群跟踪面临着从航空视角准确识别和监控物体的难题，主要由于其尺寸小且彼此靠近，导致定位和跟踪都变得复杂。为此，我们提出了密度感知跟踪（DenseTrack）框架。DenseTrack利用人群计数精确定位物体位置，将视觉线索和运动线索融合，以提高对小尺度物体的跟踪效果。它特别解决了跨帧运动问题，以提升跟踪精度和可靠性。DenseTrack将人群密度估计作为小尺度物体在视频帧内精确定位的锚点。这些估计值与跟踪网络中的运动和位置信息相融合，其中运动偏移量是关键的跟踪线索。此外，DenseTrack利用视觉-语言模型的洞见，增强了对小尺度物体的辨别能力，通过整合外观线索与运动线索。该框架运用匈牙利算法确保跨帧个体的准确匹配。在DroneCrowd数据集上进行的实验表明，我们的方法在无人机捕获的场景中表现出优异的性能，证明了其有效性。
引用
@article{arxiv.2407.17272,
title = {DenseTrack: Drone-based Crowd Tracking via Density-aware Motion-appearance Synergy},
author = {Yi Lei and Huilin Zhu and Jingling Yuan and Guangli Xiang and Xian Zhong and Shengfeng He},
journal= {arXiv preprint arXiv:2407.17272},
year = {2024}
}