卫星视频中小而密集运动目标的检测与跟踪：一个基准
计算机视觉与模式识别
2021-11-29 v1
摘要
卫星视频相机可以对大范围区域进行连续观测，这对许多遥感应用至关重要。然而，由于目标外观信息不足和高质量数据集的缺乏，在卫星视频中实现运动目标检测与跟踪仍然具有挑战性。在本文中，我们首先为运动目标检测与跟踪任务构建了一个带有丰富标注的大规模卫星视频数据集。该数据集由吉林一号卫星星座采集，包含47个高质量视频，其中包含1,646,038个用于目标检测的感兴趣实例和3,711条用于目标跟踪的轨迹。然后，我们引入了一种运动建模基线，基于累积多帧差分和鲁棒矩阵补全来提高检测率并减少虚警。最后，我们建立了首个用于卫星视频中运动目标检测与跟踪的公开基准，并在我们的数据集上广泛评估了几种代表性方法的性能。我们还提供了全面的实验分析和深刻的结论。该数据集可在 https://github.com/QingyongHu/VISO 获取。
引用
@article{arxiv.2111.12960,
title = {Detecting and Tracking Small and Dense Moving Objects in Satellite Videos: A Benchmark},
author = {Qian Yin and Qingyong Hu and Hao Liu and Feng Zhang and Yingqian Wang and Zaiping Lin and Wei An and Yulan Guo},
journal= {arXiv preprint arXiv:2111.12960},
year = {2021}
}
备注
This paper has been accepted by IEEE Transactions on Geoscience and Remote Sensing. Qian Yin and Qingyong Hu have equal contributions to this work and are co-first authors. The dataset is available at https://github.com/QingyongHu/VISO