DFR-FastMOT：基于传感器融合的抗检测失效快速多目标跟踪器
摘要
持久多目标跟踪（MOT）使自动驾驶车辆能够在高度动态环境中安全导航。MOT 中一个众所周知的挑战是目标遮挡，即目标在后续帧中不可观测。当前 MOT 方法将目标信息（如目标轨迹）存储于内部记忆中以在遮挡后恢复目标。然而，它们保留短期记忆以节省计算时间并避免拖慢 MOT 方法。结果，在某些遮挡场景（尤其是长时遮挡）中它们会丢失目标。本文中，我们提出 DFR-FastMOT，一种轻量 MOT 方法，利用相机与 LiDAR 传感器数据，并依赖一种用于目标关联与融合的代数公式。该公式提升了计算速度并允许长期记忆，从而应对更多遮挡场景。我们的方法在近期基于学习与不基于学习的基准上分别以约 3% 与 4% 的 MOTA 优势展现出卓越跟踪性能。此外，我们通过使用具有不同失真水平的检测器来模拟遮挡现象，进行了大量实验。所提方案在各种检测失真水平下均优于当前最先进方法。我们的框架在 1.48 秒内处理约 7,763 帧，比近期基准快七倍。该框架将发布于 https://github.com/MohamedNagyMostafa/DFR-FastMOT。
引用
@article{arxiv.2302.14807,
title = {DFR-FastMOT: Detection Failure Resistant Tracker for Fast Multi-Object Tracking Based on Sensor Fusion},
author = {Mohamed Nagy and Majid Khonji and Jorge Dias and Sajid Javed},
journal= {arXiv preprint arXiv:2302.14807},
year = {2023}
}
备注
\c{opyright} 2023 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works