考虑检测器的多目标跟踪评估
计算机视觉与模式识别
2022-12-19 v1
摘要
如何公平地评估两种多目标跟踪算法（即跟踪器），且每种都采用不同的目标检测器？检测器不断改进，因此跟踪器可更少费力地随时间估计目标状态。那么，将一个采用新检测器的新型跟踪器与另一个使用旧检测器的跟踪器进行比较是否公平？在本文中，我们提出一种名为跟踪努力度量（TEM）的新性能度量，用于评估使用不同检测器的跟踪器。TEM在帧级别（帧内复杂度）和序列级别（帧间复杂度）估计跟踪器相对于其输入数据（即检测结果）所做的改进。我们在知名数据集、四种跟踪器和八组检测集上评估了TEM。结果表明，与常规跟踪评估度量不同，TEM能以对输入检测结果的较低相关性来量化跟踪器所付出的努力。其实现已在 https://github.com/vpulab/MOT-evaluation 公开可用。
引用
@article{arxiv.2212.08536,
title = {Detection-aware multi-object tracking evaluation},
author = {Juan C. SanMiguel and Jorge Muñoz and Fabio Poiesi},
journal= {arXiv preprint arXiv:2212.08536},
year = {2022}
}
备注
This paper was accepted at IEEE International Conference on Advanced Video and Signal Based Surveillance (AVSS)