DyGLIP：一种用于精确多摄像头多目标跟踪的带链接预测的动态图模型
计算机视觉与模式识别
2021-06-15 v1
摘要
多摄像头多目标跟踪（MC-MOT）是一个重要的计算机视觉问题，因其在若干真实应用中的新兴适用性而受到关注。尽管已有大量现有工作，解决任何 MC-MOT 流程中的数据关联问题可以说是最具挑战性的任务之一。然而，由于许多实际问题，如不一致的照明条件、变化的物体运动模式或物体在各摄像头间的轨迹遮挡，开发鲁棒的 MC-MOT 系统仍极具挑战。为解决这些问题，本工作提出了一种新的带链接预测的动态图模型（DyGLIP）方法来解决数据关联任务。与现有方法相比，我们的新模型具有若干优势，包括更好的特征表示以及在摄像头切换期间从丢失轨迹中恢复的能力。此外，无论摄像头间重叠率如何，我们的模型都能良好工作。实验结果表明，在多个实际数据集上我们以大幅优势优于现有 MC-MOT 算法。值得注意的是，我们的模型在在线设置下表现良好，并可扩展为针对大规模数据集的增量方法。
引用
@article{arxiv.2106.06856,
title = {DyGLIP: A Dynamic Graph Model with Link Prediction for Accurate Multi-Camera Multiple Object Tracking},
author = {Kha Gia Quach and Pha Nguyen and Huu Le and Thanh-Dat Truong and Chi Nhan Duong and Minh-Triet Tran and Khoa Luu},
journal= {arXiv preprint arXiv:2106.06856},
year = {2021}
}
备注
accepted at CVPR 2021