基于多轨迹池化的判别性外观建模用于实时多目标跟踪
计算机视觉与模式识别
2021-01-29 v1
摘要
在多目标跟踪中，跟踪器在其内存中维护场景中每个目标的外观与运动信息。该内存用于寻找轨迹与检测之间的匹配，并基于匹配结果更新。许多方法孤立地对每个目标建模，缺乏利用场景中全部目标联合更新内存的能力。当场景中存在外观相似物体时，这会成为问题。本文中，我们通过一种新颖的多轨迹池化模块，以仅很小的空间开销解决了在内存更新时同时考虑所有轨迹的问题。我们还提出了一种适配多轨迹池化的训练策略，可在线生成困难跟踪片段。我们表明，这些创新的组合产生了强判别性外观模型，使得能够使用贪心数据关联来实现在线跟踪性能。我们的实验在公开多目标跟踪(MOT)数据集上展示了实时、最先进的性能。
引用
@article{arxiv.2101.12159,
title = {Discriminative Appearance Modeling with Multi-track Pooling for Real-time Multi-object Tracking},
author = {Chanho Kim and Li Fuxin and Mazen Alotaibi and James M. Rehg},
journal= {arXiv preprint arXiv:2101.12159},
year = {2021}
}